Gracias por enviar su consulta! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Gracias por enviar su reserva! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Temario del curso
Introducción a la IA en el delito financiero
- Visión general del fraude y el lavado de dinero (LOD) en la era de la finanzas digitales
- Enfoques tradicionales frente a los basados en IA
- Estudios de casos de Mastercard, JPMorgan y bancos globales
Aprendizaje automático para la supervisión de transacciones
- Aprendizaje supervisado para la puntuación de riesgos y clasificación
- Aprendizaje no supervisado para la detección de anomalías
- Generación de alertas en tiempo real y procesamiento de flujos de datos
Analítica de grafos y detección de riesgos de red
- Modelado de relaciones entre entidades y transacciones
- Detección de esquemas de fraude complejos mediante IA de grafos
- Trabajo práctico con Neo4j o herramientas similares
Procesamiento de lenguaje natural para la prevención del lavado de dinero (LOD)
- Minería de texto en la debida diligencia del cliente (DDC)
- Escaneo de listas de observación usando el reconocimiento de entidades nombradas (NER)
- Revisión de documentos basada en indicaciones y reportes de actividades sospechosas (RAS)
Gobernanza de modelos y explicabilidad
- Construcción de modelos explicables y auditables
- Detección y mitigación de sesgos en algoritmos de detección de fraudes
- Uso de técnicas de IA explicable (XAI) en entornos de cumplimiento
Ética, regulación y riesgo de modelos
- Cumplimiento de los marcos normativos de LOD y de 'Conozca a su cliente' (KYC), por ejemplo, GAFI, FinCEN y EBA
- Ética de la IA en la vigilancia y supervisión de clientes
- Estándares de reporte y auditabilidad regulatoria
Estrategias de implementación y tendencias futuras
- Integración de modelos de IA en sistemas transaccionales existentes
- Bucle de retroalimentación y mecanismos de actualización de modelos
- El futuro de la IA generativa en la investigación de fraudes y la automatización de RAS
Resumen y próximos pasos
Requerimientos
- Conocimiento de los riesgos de fraude y los procedimientos de prevención del lavado de dinero (LOD)
- Experiencia en análisis de datos o reportes de cumplimiento
- Familiaridad básica con Python o plataformas de analítica
Público objetivo
- Profesionales de riesgos de fraude
- Equipos de cumplimiento de normas anti-lavado de dinero (LOD)
- Gerentes de seguridad
14 Horas
Reseñas (1)
Ya cuento con algunos informes que conozco; utilizaré algunas de las indicaciones que revisamos hoy.
Kelly Cotham
Curso - Copilot for Finance and Accounting Professionals
Traducción Automática
