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.
Plan du cours
Introduction aux modèles génératifs en finance
- Aperçu des modèles génératifs et leur pertinence pour la finance
- Types de modèles génératifs : LLMs, GANs, VAEs
- Avantages et limitations dans les contextes financiers
Réseaux adversariels générateurs (GANs) pour la finance
- Fonctionnement des GANs : générateurs contre discriminateurs
- Applications dans la génération de données synthétiques et la simulation de fraudes
- Étude de cas : génération de données de transactions réalistes pour les tests
Modèles à grande échelle (LLMs) et applications financières
- Comment les LLMs comprennent et génèrent du texte financier
- Conception de prompts pour la prévision et l'analyse des risques
- Cas d'utilisation : synthèse de rapports financiers, KYC, détection des signaux d'alarme
Prévisions financières avec les modèles génératifs
- Prévision des séries temporelles avec des modèles hybrides LLM et ML
- Génération de scénarios et tests de résistance
- Cas d'utilisation : prévision des revenus en utilisant des données structurées et non structurées
Détection de la fraude et identification des anomalies
- Utilisation des GANs pour la détection d'anomalies dans les transactions
- Identification des motifs frauduleux émergents par le biais des workflows basés sur des prompts LLM
- Évaluation du modèle : faux positifs contre indicateurs de risques véritables
Implications réglementaires et éthiques
- Explicabilité et transparence des sorties des modèles génératifs IA
- Risque de hallucination et de biais du modèle dans la finance
- Conformité aux attentes réglementaires (par exemple, les directives Basel)
Concevoir des systèmes génératifs pour les institutions financières
- Construction de cas d'affaires pour l'adoption interne
- Équilibre entre innovation, risque et conformité
- Cadres de gouvernance pour un déploiement responsable de l'IA
Résumé et prochaines étapes
Pré requis
- Une compréhension des concepts de base en finance et en gestion des risques
- Expérience avec les tableurs ou l'analyse de données de base
- La familiarité avec Python est un atout mais n'est pas obligatoire
Public cible
- Gestionnaires des risques
- Analystes de conformité
- Auditeurs financiers
14 Heures
Nos clients témoignent (1)
J'ai beaucoup apprécié la façon dont le formateur a présenté tout le contenu. J'ai compris tout, même si Finance n'est pas mon domaine, il s'est assuré que chaque participant était sur la même longueur d'onde, tout en respectant le temps imparti. Les exercices étaient bien espacés. La communication avec les participants était toujours présente. Le matériel était parfait, ni trop ni trop peu. Il a très bien développé les sujets un peu plus complexes pour que tout le monde puisse les comprendre.
Diana
Formation - ChatGPT for Finance
Traduction automatique
