Merci d'avoir envoyé votre demande ! Un membre de notre équipe vous contactera sous peu.
Merci d'avoir envoyé votre réservation ! Un membre de notre équipe vous contactera sous peu.
Durée 35 heures
Plan du cours
Fondamentaux de LangGraph pour la finance
- Rappel sur l'architecture de LangGraph et l'exécution étatiste.
- Cas d'usage financiers : copilotes de recherche, assistance aux transactions, agents de service client.
- Contraintes réglementaires et considérations d'auditabilité.
Normes et ontologies de données financières
- Notions de base sur ISO 20022, FpML et FIX.
- Cartographie des schémas et des ontologies dans l'état des graphes.
- Qualité des données, lignée et traitement des PII.
Orchestration des flux de travail pour les processus financiers
- Flux de travail d'inscription KYC et LCB-FT.
- Cycle de vie des transactions, gestion des exceptions et des dossiers.
- Instruction du crédit et parcours décisionnels.
Conformité, risque et contrôles
- Application des politiques et gestion du risque modèle.
- Garde-fous, approbations et étapes de supervision humaine.
- Journal d'audit, conservation des données et explicabilité.
Intégration et déploiement
- Connexion aux systèmes centraux, lacs de données et API.
- Conteneurisation, gestion des secrets et des environnements.
- Chaînes CI/CD, déploiements progressifs et canaris.
Observabilité et performances
- Journaux structurés, métriques, traces et suivi des coûts.
- Tests de charge, SLO et budgets d'erreurs.
- Réponse aux incidents, rejeu et modèles de résilience.
Qualité, évaluation et sécurité
- Tests unitaires, scénarios et harnais d'évaluation automatisés.
- Red teaming, prompts adverses et contrôles de sécurité.
- Curaturation des jeux de données, surveillance de la dérive et amélioration continue.
Synthèse et prochaines étapes
Pré requis
- Une bonne compréhension de Python et du développement d'applications LLM.
- Une expérience avec les API, les conteneurs ou les services cloud.
- Une familiarité de base avec les domaines financiers ou les modèles de données.
Public cible
- Technologues de domaine.
- Architectes de solutions.
- Consultants développant des agents LLM dans des industries réglementées.