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.
Programa del Curso
Introducción a la IA en Servicios Financieros
- Casos de uso: detección de fraudes, calificación crediticia, monitoreo regulatorio
- Consideraciones regulatorias y marcos de riesgo
- Visión general del ajuste fino en entornos de alto riesgo
Preparación de Datos Financieros para Fine-Tuning
- Fuentes: registros de transacciones, demografía de clientes, datos comportamentales
- Privacidad de datos, anonimización y procesamiento seguro
- Ingeniería de características para datos tabulares y de series temporales
Técnicas del Modelo Fine-Tuning
- Aprendizaje por transferencia y adaptación del modelo a datos financieros
- Funciones de pérdida específicas del dominio y métricas
- Uso de LoRA y ajuste con adaptadores para actualizaciones eficientes
Modelado de Predicción de Riesgos
- Modelos predictivos para el incumplimiento de préstamos y calificación crediticia
- Balance entre la interpretabilidad y el rendimiento
- Manejo de conjuntos de datos desequilibrados en escenarios de riesgo
Aplicaciones de Detección de Fraudes
- Creación de canales de detección de anomalías con modelos ajustados finamente
- Estrategias de predicción de fraude en tiempo real vs. por lotes
- Modelos híbridos: basados en reglas + impulsados por IA
Evaluación y Explicabilidad
- Evaluación del modelo: precisión, recall, F1, AUC-ROC
- Herramientas de explicabilidad como SHAP y LIME
- Auditoría y informes de cumplimiento con modelos ajustados finamente
Implementación y Monitoreo en Producción
- Integración de modelos ajustados finamente en plataformas financieras
- Pipelines CI/CD para IA en sistemas bancarios
- Monitoreo del desvío, reentrenamiento y gestión del ciclo de vida
Resumen y Próximos Pasos
Requerimientos
- Comprensión de las técnicas de aprendizaje supervisado
- Experiencia con frameworks de aprendizaje automático basados en Python
- Familiaridad con conjuntos de datos financieros como registros de transacciones, puntajes crediticios o datos KYC
Audiencia
- Científicos de datos en servicios financieros
- Ingenieros de IA trabajando con instituciones fintech o bancarias
- Profesionales de aprendizaje automático que construyen modelos de riesgo o detección de fraudes
14 Horas