- Час проведення – 10.00 – 14.00
- Формат проведення – он-лайн
Опис курсу:
Штучний інтелект і машинне навчання формують новий рівень якості фінансового моніторингу. Обсяги транзакцій і даних зростають, а класичні rule-based системи вже не забезпечують необхідної точності та масштабованості. AI/ML дозволяють виявляти приховані патерни, посилювати аналіз ризиків, автоматизувати обробку та аналіз великих масивів даних та підвищувати ефективність AML-процесів. Інтенсив дає практичний огляд ключових AI-інструментів та підходів у фінмоніторингу та їхнього застосування у банківському та фінансовому секторах.
Кому рекомендовано:
- фахівцям з фінансового моніторингу
• спеціалістам комплаєнсу
• працівникам ризик-менеджменту
• дата-аналітикам і дата-інженерам
• ІТ-командам, що впроваджують AML-рішення
• керівникам напрямів AML/CTF
Навчальні результати:
- різниця між ML та Gen-AI для фінмоніторингу
• розуміти принципи роботи моделей ML у фінмоніторингу
• розрізняти rule-based та ML-підходи
• визначати вимоги до даних для ефективного AML
• інтерпретувати ключові risk-фактори моделі
• орієнтуватися в основних AI-інструментах фінансового сектора
• формувати підходи до модернізації AML-систем на основі AI
Структура програми
1. Вступ: роль AI у сучасному фінансовому моніторингу:
- нові виклики AML,
- обмеження rule-based підходів,
- що саме AI підсилює у фінмоніторингу,
- ключові переваги AI/ML для виявлення ризиків.
2. Архітектура даних як фундамент для ML-моделей AML:
- основні набори даних: транзакції, KYC, географія, поведінка, відкриті регістри,
- принципи побудови дата-архітектури,
- важливість data lineage,
- якість даних: completeness, consistency, relevance,
- підготовка даних для моделювання.
3. Інструменти AI/ML у фінмоніторингу: практичні приклади:
- behavioural analytics,
- ML-процедури профілювання клієнтів,
- контекстний санкційний скринінг,
- моделі виявлення нетипових сценаріїв,
- ML для транзакційного аналізу,
- приклади світових та українських підходів (узагальнено).
4. Explainable AI: як моделі пояснюють свої рішення:
- навіщо потрібна пояснюваність,
- фактори, що впливають на рішення моделі,
- як AML-офіцер може «читати» модель,
- приклади локальних пояснень,
- прозорість логіки моделей у фінансовому секторі.
5. Підсумки та Q&A:
- коли варто розглядати впровадження ML,
- моделі, які дають найбільший ефект,
- типові проблеми та рекомендації,
- відповіді на запитання учасників.
Інструктори:
Дмитро Бровчук — CDAO (Chief Data & Analytics Officer), експерт з архітектури даних, аналітики, машинного навчання та впровадження AI-рішень у фінансовому секторі.
Ганна Горбенко — радник-експерт з питань фінансового моніторингу та валютного нагляду, голова Комітету з питань регуляторної політики та комплаєнсу АУБ, понад 20 років досвіду у фінмоніторингу та комплаєнсі.
Попередня реєстрація обов’язкова
Вартість участі одного учасника складає 7920 грн., в т.ч. ПДВ 1320 грн.
Вебінар відбудеться на платформі Zoom
Для довідок та подання заявок на участь в семінарах
тел.: (097) 411-64-40, (095) 212-32-42, (067) 235-09-23, (044) 253-07-02.
e-mail: center@nctbpu.org.ua