Inteligencia Artificial AI en la banca y entidades financieras

​

Módulo 1: Inteligencia artificial en la banca

​

• ¿ Por qué Los bancos adoptan la AI ?

  • Bancos minoristas

  • Bancos no minoristas

• Aplicaciones de la AI en la banca

• Front Office

  • Algorithmic trading 

  • Asesoría financiera

  • Credit Scoring

• ​Middle office 

  • Anti lavado de dinero

  • Ciberseguridad

  • Know your customer KYC

• Back office 

  • Automatización operativa

  • Analizador de contratos

  • Gestión de la información de la colección

• Beneficios y oportunidades

• Riesgo y gobernanza

• Principales desafíos que enfrentan los bancos al avanzar en las aplicaciones de IA

• Problemas de desarrollo

• Problemas técnicos

• Entorno Regulatorio 

 

Módulo 2: La gobernanza bancaria y el uso de la inteligencia artificial

​

• Fortalecer la gobernanza bancaria para la adopción de la IA

• Marco de gobernanza de datos

• Aprendizaje automático y gestión de riesgos de modelos.

• Ciberseguridad de los sistemas de IA

 

Módulo 3: Respuestas políticas, estrategias y desafíos

​

• Supervisión de la adopción de la AI por parte de los bancos

• Principios generales de supervisión de la adopción de la AI por parte de los bancos

• Enfoque de los supervisores ante la adopción de AI por parte de los bancos

• Nuevos desafíos para los reguladores bancarios en la era de la IA y la digitalización

​

Módulo 4: Tecnología en la banca

​

• Software como servicio basado en la nube. Cloud-based software-as-a-service (SaaS)

• SSBK Self Service Banking Kiosks

• SST en el sector bancario: contextos globales y locales

• Image-enabled ATMs 

• Apertura de cuenta digital

• ¿Cómo es la inclusión financiera digital?

• Portales bancarios interactivos

• Pagos de persona a persona (P2P)

• Métodos de pago P2P no bancarios

• Métodos de pago P2P centrados en el banco

• Chatbots/banquero personal virtual

  • Negocio de chatbot bancario

• Servicios de videobanca

• Banca móvil y por televisión

• Cajas de seguridad con datos biométricos de escaneo del iris

• Biometría fisiológica

​

Inteligencia Artificial AI en el Blockchain

​

Módulo 5: Tecnología blockchain para los mercados financieros

​

• Características clave y principales aplicaciones de la tecnología blockchain en el mundo financiero

• ¿Cuál es el proceso para agregar una transacción a la blockchain?

• Tipos de cadena de bloques

• Características de la tecnología blockchain

• El poder de la tecnología Blockchain y sus revolucionarias aplicaciones en el sector financiero

• Libro mayor bancario moderno con tecnología blockchain

• Los componentes detallados de la cadena de bloques son inmutables

• Los datos de blockchain son transparentes

• Blockchain y modelos de negocio bancario

• Las 5 mejores aplicaciones blockchain en banca

• Beneficios de blockchain para la banca

• Cinco ejemplos de aplicaciones blockchain en banca

• Inconvenientes inherentes a las monedas digitales como bitcoin

• escalabilidad

• problemas con la ciberseguridad

• fluctuación de precios y falta de valor inherente

• regulaciones y políticas

• Posibles inconvenientes del uso de criptomonedas y DLT

• Los bitcoins no se aceptan en todos los ámbitos.

• Las carteras se pueden extraviar

• El valor del bitcoin fluctúa

• No hay protección al comprador.

• Fallos técnicos que no se conocen.

• La deflación está incorporada

• No hay forma fisica

• No hay garantía de valoración

• Detección de fraude y gestión de reclamaciones mediante gestión blockchain

• Tres características de blockchain que previenen fraudes

• ¿Qué tipos de fraudes se realizan?​

​

Machine Learning y Deep Learning

​

Módulo 6: Machine Learning 

 

• Inteligencia Artificial

• Definición del Machine Learning 

• Metodología del Machine Learning

  • Almacenamiento de la Data

  • Abstracción

  • Generalización

  • Evaluación

• Aprendizaje Supervisado

• Aprendizaje No Supervisado

• Aprendizaje por Refuerzo

• Deep Learning

• Tipología de algoritmos de Machine Learning

• Pasos para implementar un algoritmo

  • Recogida de información

  • Análisis Exploratorio

  • Entrenamiento del modelo

  • Evaluación del Modelo

  • Mejoras al modelo

  • Machine Learning en riesgo crédito de consumo

• Lenguajes de programación: Python, R, C++,etc.

• Análisis de principales herramientas: Microsoft Azure, Tensorflow, Matlab, Caffe, H2O, Knime, IBM SPSS Modelller, etc.

​

Módulo 7: Introducción al Deep Learning 

​

• Definición y concepto del deep learning

• ¿Porque ahora el uso del deep learning?

• Redes Neuronales artificiales

• Arquitecturas de redes neuronales

• Función de activación​

• Función de costes

• Optimización con Gradiente descendiente

• Hiperparámetros 

• Feedforward network

• Redes neuronales convolucionales

  • Uso del deep learning en la clasificación de imágenes

• Uso del deep learning en la banca

• Redes Neuronales Recurrentes

• Generative Adversarial Networks (GANs)

• Crecimiento de las GAN 

​

Aplicaciones de Deep Learning en Banca

​

Módulo 8: Deep Learning y Machine Learning en la Banca

​

• Graficar redes neuronales para el análisis de redes de inversores.

• Uso de ML para predecir los incumplimientos de los clientes de tarjetas de crédito

• Aplicación de métodos de deep learning para econometría.

• Aplicación de AI en finanzas

• Técnicas de AI y ML para simulación de mercados, economía y otros sistemas financieros

• Infraestructura para respaldar la investigación de AI y ML en finanzas

• Chatbots y robots asesores para pagos e innovación

• Modelos de evaluación basados en AI/ML

• Validación y calibración de sistemas multiagente en finanzas

• Avance del ML para la estabilidad financiera

• Blockchain basada en AI en redes financieras

• Desafío tecnológico: el aprendizaje profundo se considera que requiere demasiados recursos

• Modelos de credit scoring que utilizan algoritmos de ML

 

Módulo 9: ML no supervisado para servicios bancarios 

​

• Aprendizaje supervisado para la prevención del blanqueo de capitales, análisis de documentos y suscripción de préstamos, acuerdos comerciales y operaciones de alta frecuencia.

• Detección de Fraude

• Experiencia del cliente y segmentación.

• Admisión y calificación crediticia

• Dificultades para la adopción de la industria

​

Módulo 10: Robo-Advisors en la banca

​

• Robo-advisors es una herramienta de aprendizaje supervisado para optimizar carteras

• ¿Qué es un Robo-advisor?

• Entendiendo los Robo-advisors

• Reequilibrio de cartera

• Ventajas fundamentales de los Robo-advisors

• Contratar un Robo-advisor

• Robo-advisors y regulación

• Cómo ganan dinero los Robo-advisors

• Los mejores Robo-advisors de su clase

 

Módulo 11: Procesamiento del lenguaje natural y aplicaciones en finanzas

​

• Tecnología financiera y procesamiento del lenguaje natural.

• Finanzas basadas en PNL

• Gestión de inversiones basada en PNL

• Enfoque de conozca a su cliente basado en PNL

• Aplicaciones o sistemas para FinTech con métodos de PNL

• Análisis de crowdfunding con datos de texto.

• Análisis de preferencias del cliente orientado a texto

• Solicitud de seguro con información textual.

• Telemática: seguros de automóvil y de salud

• Telemática y seguros de automóvil

• Beneficios del seguro de automóvil basado en telemática

• Aprovisionamiento de mercado basado en texto

 

Módulo 12: Chatbots en la Banca

 

• Extraer información de conversaciones

• Chatbot como motor de búsqueda

• Comprensión del lenguaje natural

• Generación de lenguaje natural

• Construyendo un sistema

• Chatbots en la banca

  • Ofrecer un servicio de atención al cliente personalizado.

  • Gestionar el procesamiento de transacciones

  • Enviar recordatorios​

  • Up-Sell Cross-Sell