Cursusaanbod

Inleiding tot AI in Financial Crime

  • Overzicht van fraude en AML in het digitale financiële tijdperk
  • Traditionele vs AI-gebaseerde benaderingen
  • Casestudies van Mastercard, JPMorgan en wereldwijde banken

Machine Learning voor Transactiemonitoring

  • Supervised learning voor risicoscoring en classificatie
  • Unsupervised learning voor anomalie detectie
  • Generatie van real-time waarschuwingen en stream processing

Graph Analytics en Netwerkrisicodetectie

  • Modellering van relaties tussen entiteiten en transacties
  • Detectie van complexe fraude-schema's met behulp van graph AI
  • Hands-on met Neo4j of vergelijkbare tools

Natural Language Processing voor AML

  • Text mining in klant due diligence (CDD)
  • Watchlist scanning met behulp van named entity recognition (NER)
  • Prompt-based documentenbeoordeling en meldingen van verdachte activiteiten (SARs)

Model Governement en Uitlegbaarheid

  • Opbouwen van uitlegbare en controleerbare modellen
  • Detectie en vermindering van bias in fraudedetectie-algoritmen
  • Gebruik van XAI-technieken in compliance-omgevingen

Ethiek, Regulering en Modelrisico

  • Naleven van AML- en KYC-kaders (bv. FATF, FinCEN, EBA)
  • AI-ethiek in surveillancetaken en klantmonitoring
  • Rapporteringsstandaarden en regulatoire auditbaarheid

Implementatiestrategieën en Toekomstige Trends

  • Integrieren van AI-modellen in bestaande transactiesystemen
  • Feedback-lussen en mechanismen voor model-updating
  • Toekomst van generative AI in fraudeonderzoek en automatisering van SARs

Samenvatting en Volgende Stappen

Vereisten

  • Een begrip van frauderisico en AML-procedures
  • Ervaring met data-analyse of naleving van rapportage
  • Basisvaardigheden met Python of analyseplatforms

Publiek

  • Frauderisicoprofessionals
  • AML-nalivings teams
  • Beveiligingsmanagers
 14 Uren

Aantal deelnemers


Prijs Per Deelnemer

Voorlopige Aankomende Cursussen

Gerelateerde categorieën