Cod. 22 - Corso Anti-Money Laundering AI - European School of Banking Management

About This Course

Presentazione

Il corso esamina i fondamentali dell’intelligenza artificiale (AI) e del machine learning (ML), chiarendo le distinzioni tra AI, ML e deep learning e le loro categorie, come l’apprendimento supervisionato, non supervisionato, semi-supervisionato e per rinforzo. Viene spiegato il funzionamento degli algoritmi di ML rispetto a quelli tradizionali, evidenziando concetti chiave come i set di training e test, e le metriche di errore per valutare le prestazioni dei modelli. Infine, la fonte si concentra sull’applicazione pratica dell’AI nell’anti-riciclaggio, illustrando i benefici, le sfide e le diverse implementazioni di queste tecnologie per migliorare l’efficacia e l’efficienza dei processi bancari.

Struttura

Il Corso ha una durata di circa tre ore. La didattica del Corso prevede una importante attività pragmatica con l’analisi pratica di casi reali, proposti dagli stessi discenti, ed oggetto di analisi e discussione plenaria o di esercitazione guidata dal docente. Ogni corso di formazione rilascia 2 crediti formativi necessari per il rinnovo delle Certificazioni rilasciate dalla scuola (AMLACERT, KYCACERT, RCACERT, WSACERT) e della certificazione CAMS.

Programma

CAPITOLO 1
Intelligenza artificiale, Machine Learning e Deep Learning
CAPITOLO 2
Algoritmi tradizionali e di appendimento automatico
CAPITOLO 3
L’apprendimento supervisionato negli algoritmi di ML
CAPITOLO 4
L’apprendimento non supervisionato negli algoritmi di ML
CAPITOLO 5
Il Semi-supervised learning ed il Reinforcement learning
CAPITOLO 6
“Batch” ed “On line” learning
CAPITOLO 7
“Instance-based” e “Model-based” learning
CAPITOLO 8
Errore e robustezza: metriche “in-sample” ed “out-of-sample”
CAPITOLO 9 AI nell’antiriciclaggio

Richiedi scheda di iscrizione