Đề cương khóa học

Giới thiệu về Trí tuệ nhân tạo trong Financial Crime

  • Tổng quan về gian lận và AML (chống rửa tiền) trong kỷ nguyên tài chính kỹ thuật số
  • Cách tiếp cận truyền thống so với dựa trên AI
  • Các trường hợp điển hình từ Mastercard, JPMorgan và ngân hàng toàn cầu khác

Machine Learning cho Giám sát Giao dịch

  • Học có giám sát để đánh giá rủi ro và phân loại
  • Học không giám sát để phát hiện dị thường
  • Tạo cảnh báo thời gian thực và xử lý luồng dữ liệu

Phân tích đồ thị và Phát hiện Rủi ro Mạng lưới

  • Xây dựng mô hình mối quan hệ giữa các thực thể và giao dịch
  • Phát hiện các kế hoạch lừa đảo phức tạp bằng AI của đồ thị
  • Thực hành với Neo4j hoặc công cụ tương tự

Xử lý Ngôn ngữ Tự nhiên cho AML

  • Đào tạo dữ liệu văn bản trong việc xem xét khách hàng (CDD)
  • Quét danh sách cảnh báo sử dụng nhận dạng thực thể có tên (NER)
  • Kiểm tra tài liệu dựa trên câu hỏi và báo cáo hoạt động đáng ngờ (SARs)

Quản trị Go và Minh bạch

  • Xây dựng mô hình có thể giải thích và kiểm toán được
  • Phát hiện và giảm thiểu thiên lệch trong các thuật toán phát hiện gian lận
  • Sử dụng kỹ thuật AI minh bạch (XAI) trong môi trường tuân thủ

Đạo đức, Quy định và Rủi ro Mô hình

  • Tuân thủ khuôn khổ AML và KYC (ví dụ: FATF, FinCEN, EBA)
  • Đạo đức AI trong giám sát và theo dõi khách hàng
  • Chuẩn mực báo cáo và khả năng kiểm toán của quy định

Chiến lược Triển khai và Xu hướng Tương lai

  • Tích hợp mô hình AI vào hệ thống giao dịch hiện có
  • Cơ chế vòng phản hồi và cập nhật mô hình
  • Tương lai của AI tạo ra trong điều tra gian lận và tự động hóa SAR

Tổng kết và Bước tiếp theo

Yêu cầu

  • Hiểu biết về rủi ro gian lận và các quy trình AML
  • Kinh nghiệm với phân tích dữ liệu hoặc báo cáo tuân thủ
  • Kiến thức cơ bản về Python hoặc nền tảng phân tích

Đối tượng tham gia

  • Chuyên gia rủi ro gian lận
  • Đội ngũ tuân thủ AML
  • Quản lý an ninh
 14 Giờ học

Số người tham gia


Giá cho mỗi người tham gia

Đánh giá (1)

Upcoming Courses

Related Categories