Курс за обучение по Fine-Tuning AI for Financial Services: Risk Prediction and Fraud Detection
Fine-tuning е процесът на адаптиране на предобученi AI модели за специфични домейни и данни.
Този курс с инструктор (онлайн или на място) е предназначен за напреднали данъчни научници и AI инженери в финансов сектора, които искат да настройват модели за приложения като кредитно оцениване, откриване на измами и рисково моделиране, използвайки специфични финансови данни.
До края на този курс участващите ще могат да:
- Настройват AI модели върху финансови данни за подобрено предвиждане на измами и рискове.
- Прилагат техники като трансферно обучение, LoRA и регуляризация за подобряване на ефективността на моделите.
- Интегрират финансови съображения за съответствие в работилия процес на AI моделиране.
- Разработват настройвани модели за продуктивно използване в платформи за финансови услуги.
Формат на курса
- Интерактивни лекции и дискусии.
- Много упражнения и практики.
- Практическа реализация в жив лабораторен опит.
Опции за персонализиране на курса
- За запросване на персонализиран курс за този курс, моля свържете се с нас, за да уредите.
План на курса
Въведение в изкуствен интелигент в финансовите услуги
- Приложения: откриване на измами, оценка на кредитен риск, мониторинг на съответствие с регулации
- Регулаторни разгледи и рамки за управление на риск
- Обзор на настройване в високорисковна среда
Подготовка на финансови данни за Fine-Tuning
- Източници: записи на транзакции, демографски данни на клиенти, поведенчески данни
- Поверителност на данните, анонимизация и сигурна обработка
- Инженерство на характеристики за таблични и временни редици данни
Модел Fine-Tuning техники
- Трансферно обучение и адаптация на модели към финансови данни
- Домейн-специфични функции за загуби и метрики
- Използване на LoRA и настройване на адаптери за ефективни обновления
Моделиране на предвиждане на риск
- Предвиждащо моделиране за задължение на заема и оценка на кредитен риск
- Балансиране между интерпретируемост и производителност
- Работа с небалансирани набори данни в рискови сценарии
Приложения за откриване на измами
- Създаване на пиплайни за откриване на аномалии с настройвани модели
- Реално време vs. пакетно предвиждане на измами
- Хибридни модели: базирани на правила + AI-драйверно откриване
Оценка и объяснителност
- Оценка на модели: точност, обхват, F1, AUC-ROC
- SHAP, LIME и други инструменти за объяснителност
- Аудит и отчетност за съответствие с регулации при настройвани модели
Развъртане и мониторинг в продуктивна среда
- Интегриране на настройвани модели в финансови платформи
- CI/CD пиплайни за AI в банкови системи
- Мониторинг на отклонение, повторно обучение и управление на животен цикъл
Резюме и следващи стъпки
Изисквания
- Разбиране в техники на контролирано обучение
- Опит с машино-обучаващи рамочни системи базирани на Python
- Знакомство с финансови данни, като например транзакционни записи, кредитни оценки или данни за идентификация на клиента
Целева аудитория
- Специалисти по данни в финансовите услуги
- Специалисти по изкуствен интелект, работящи с финтех или банкови институции
- Професионалисти в областта на машиното обучение, които създават модели за риск или измама
Отворените курсове за обучение изискват 5+ участници.
Курс за обучение по Fine-Tuning AI for Financial Services: Risk Prediction and Fraud Detection - Booking
Курс за обучение по Fine-Tuning AI for Financial Services: Risk Prediction and Fraud Detection - Enquiry
Fine-Tuning AI for Financial Services: Risk Prediction and Fraud Detection - Консултантско запитване
Консултантско запитване
Предстоящи Курсове
Свързани Kурсове
Advanced Techniques in Transfer Learning
14 ЧасаТова водено от инструктор обучение на живо в България (онлайн или на място) е насочено към професионалисти в машинното обучение на напреднало ниво, които желаят да овладеят авангардни техники за трансфер на обучение и да ги прилагат към сложни проблеми от реалния свят.
До края на това обучение участниците ще могат:
- Разберете съвременни концепции и методологии в трансферното обучение.
- Прилагане на специфични за домейн техники за адаптация за предварително обучени модели.
- Прилагайте непрекъснато обучение, за да управлявате развиващи се задачи и набори от данни.
- Овладейте многозадачната фина настройка, за да подобрите производителността на модела в различните задачи.
Continual Learning and Model Update Strategies for Fine-Tuned Models
14 ЧасаТози курс с инструктор, провеждан жив в България (онлайн или на място), е предназначен за специалисти на високо ниво по поддръжка на AI и MLOps професионалисти, които искат да реализират надеждни континуални обучаващи пиплайни и ефективни стратегии за обновяване на разпръснатите, подробно настройени модели.
До края на този курс участниците ще бъдат способни да:
- Проектират и реализират континуални обучаващи процес на разпръснатите модели.
- Спрят катастрофално забравяне чрез правилно обучение и управление на паметта.
- Автоматизират мониторинг и тригери за обновяване на базата на отклонения в модела или промени в данните.
- Интегрират стратегии за обновяване на модела в съществуващи CI/CD и MLOps пиплайни.
Deploying Fine-Tuned Models in Production
21 ЧасаТова водено от инструктор обучение на живо в България (онлайн или на място) е насочено към професионалисти на напреднало ниво, които желаят да разположат фино настроени модели надеждно и ефективно.
До края на това обучение участниците ще могат:
- Разберете предизвикателствата на внедряването на фино настроени модели в производството.
- Контейнеризирайте и разгръщайте модели с помощта на инструменти като Docker и Kubernetes.
- Внедрете наблюдение и регистриране за внедрени модели.
- Оптимизирайте модели за латентност и мащабируемост в сценарии от реалния свят.
Domain-Specific Fine-Tuning for Finance
21 ЧасаТова водено от инструктор обучение на живо в България (онлайн или на място) е насочено към професионалисти на средно ниво, които искат да придобият практически умения за персонализиране на AI модели за критични финансови задачи.
До края на това обучение участниците ще могат:
- Разберете основите на фината настройка за финансови приложения.
- Използвайте предварително обучени модели за специфични за домейна задачи във финансите.
- Прилагайте техники за откриване на измами, оценка на риска и генериране на финансови съвети.
- Осигурете съответствие с финансовите разпоредби като GDPR и SOX.
- Внедряване на сигурност на данните и етични AI практики във финансови приложения.
Fine-Tuning Models and Large Language Models (LLMs)
14 ЧасаТова водено от инструктор обучение на живо в България (онлайн или на място) е насочено към професионалисти от средно до напреднало ниво, които желаят да персонализират предварително обучени модели за конкретни задачи и набори от данни.
До края на това обучение участниците ще могат:
- Разберете принципите на фината настройка и нейните приложения.
- Подгответе набори от данни за фина настройка на предварително обучени модели.
- Фина настройка на големи езикови модели (LLM) за NLP задачи.
- Оптимизирайте производителността на модела и адресирайте общи предизвикателства.
Efficient Fine-Tuning with Low-Rank Adaptation (LoRA)
14 ЧасаТова водено от инструктор обучение на живо в България (онлайн или на място) е насочено към разработчици на средно ниво и практикуващи AI, които желаят да приложат стратегии за фина настройка за големи модели без необходимост от обширни изчислителни ресурси.
До края на това обучение участниците ще могат:
- Разберете принципите на адаптация от нисък ранг (LoRA).
- Внедрете LoRA за ефективна фина настройка на големи модели.
- Оптимизирайте фината настройка за среди с ограничени ресурси.
- Оценявайте и внедрявайте настроени според LoRA модели за практически приложения.
Fine-Tuning Multimodal Models
28 ЧасаТова водено от инструктор обучение на живо в България (онлайн или на място) е насочено към професионалисти на напреднало ниво, които желаят да овладеят фината настройка на мултимодален модел за иновативни AI решения.
До края на това обучение участниците ще могат:
- Разберете архитектурата на мултимодални модели като CLIP и Flamingo.
- Подгответе и предварителна обработка на мултимодални набори от данни ефективно.
- Настройте фино мултимодалните модели за конкретни задачи.
- Оптимизирайте модели за реални приложения и производителност.
Fine-Tuning for Natural Language Processing (NLP)
21 ЧасаТова водено от инструктор обучение на живо в България (онлайн или на място) е насочено към професионалисти на средно ниво, които желаят да подобрят своите НЛП проекти чрез ефективна фина настройка на предварително обучени езикови модели.
До края на това обучение участниците ще могат:
- Разберете основите на фината настройка за NLP задачи.
- Фина настройка на предварително обучени модели като GPT, BERT и T5 за специфични NLP приложения.
- Оптимизирайте хиперпараметрите за подобрена производителност на модела.
- Оценявайте и внедрявайте фино настроени модели в сценарии от реалния свят.
Fine-Tuning AI for Healthcare: Medical Diagnosis and Predictive Analytics
14 ЧасаТози тренинг с инструктор, проведен на живо (България онлайн или на място), е насочен към разработчици на медицински AI с среден до напреднал уровень и данъчни научници, които искат да финонастроят модели за клинична диагностика, прогнозиране на заболявания и прогнозиране на резултатите от лечението на пациенти, използвайки структурирани и неструктурирани медицински данни.
До края на този тренинг участниците ще могат да:
- Финонастрояват AI модели върху здравни данни, включително ЕМР, изображения и временни редици данни.
- Прилагат трансферно обучение, адаптация на домейн и компресия на модели в медицински контексти.
- Отговорят за конфиденциалност, предвземане и съответствие на регулациите при разработката на модели.
- Разработват и следят финонастроени модели в реални здравни среди.
Fine-Tuning DeepSeek LLM for Custom AI Models
21 ЧасаТова водено от инструктор обучение на живо в България (онлайн или на място) е насочено към напреднали изследователи на AI, инженери по машинно обучение и разработчици, които желаят да настроят фино DeepSeek LLM модели, за да създадат специализирани AI приложения, пригодени за конкретни индустрии, области или бизнес нужди.
До края на това обучение участниците ще могат:
- Разберете архитектурата и възможностите на моделите DeepSeek, включително DeepSeek-R1 и DeepSeek-V3.
- Подгответе набори от данни и предварителна обработка на данни за фина настройка.
- Фина настройка DeepSeek LLM за приложения, специфични за домейн.
- Оптимизирайте и внедрявайте ефективно фино настроени модели.
Fine-Tuning Defense AI for Autonomous Systems and Surveillance
14 ЧасаТози курс с инструктор, който се провежда на живо в България (онлайн или на място), е предназначен за специалисти с напреднал ниво от областта на отбранителната изкуствена интелигенция и разработчици на военна технология, които искат да подреждат модели на дълбоко обучение за използване в автономни превозни средства, дрони и системи за наблюдение, като същевременно спазват строги стандарти за сигурност и надеждност.
Към края на този курс участниците ще могат да:
- Подреждат модели на компютърно зрение и сензорно сливане за задачи на наблюдение и целеуказване.
- Адаптират автономни изкуствени интелигентни системи към променливи среди и мисии.
- Въвеждат надеждни механизми за валидация и аварийно спрямо на моделите.
- Осигуряват съответствие със специфичните изисквания на отбраната за съответствие, сигурност и надеждност.
Fine-Tuning Legal AI Models: Contract Review and Legal Research
14 ЧасаТова обучение под ръководство на инструктор, провеждано на живо (онлайн или на място), е предназначено за легални технологични инженери и разработчици на AI на средно ниво, които искат да подреждат модели на езици за задачи като анализ на договори, извличане на клаузи и автоматизиран правен изследователски труд в легални среди.
Към края на това обучение участниците ще могат да:
- Подготвят и почистят легални документи за подреждане на модели на обработка на естествен език.
- Прилагат стратегии за подреждане за подобряване на точността на моделите за легални задачи.
- Разработват модели, за да помагат с преглеждане, класификация и изследване на договори.
- Осигуряват съответствие на изискванията, прозрачност и следимост на изходите на AI в легални контексти.
Fine-Tuning Large Language Models Using QLoRA
14 ЧасаТова обучение с инструктор, което се провежда на живо България (онлайн или на място), е предназначено за инженерi на машинен обучение, разработчици на ИИ и ученi данни с междуен и напреднал ниво, които искат да научат как да използват QLoRA за ефективното микронастройване на големи модели за специфични задачи и персонализирани приложения.
До края на това обучение участниците ще могат да:
- Разберат теорията зад QLoRA и техниките за квантовация за големи модели на езика.
- Имплементират QLoRA в микронастройването на големи модели на езика за приложения, специфични за домейна.
- Оптимизират микронастройването на производителността на ограничени компютърни ресурси с квантовация.
- Разработват и оценяват микронастройвани модели в реални приложения ефективно.
Fine-Tuning Lightweight Models for Edge AI Deployment
14 ЧасаТози курс с инструктор, провеждан в живо (онлайн или на място), е направен за разработчици на вграден AI на среден ниво и специалисти по edge изчисления, които искат да подреждат и оптимизират леки модели на AI за развертане на устройства с ограничени ресурси.
Към края на този курс участниците ще могат да:
- Избирайки и адаптиране на предобученни модели, подходящи за развертане на периферните устройства.
- Прилагане на квантизация, подрязване и други техники за компресия за намаляване на размера и закъснението на модела.
- Подреждане на модели с помощта на трансферно обучение за специфични задачи.
- Развертане на оптимизирани модели на реални периферни хардуерни платформи.
Fine-Tuning Open-Source LLMs (LLaMA, Mistral, Qwen, etc.)
14 ЧасаТова обучение с инструктор, провеждано на живо в България (онлайн или на място), е предназначено за практикуващи на средно ниво в областта на машинното обучение и разработчици на изкуствен интелигент, които искат да настройват и разпространяват модели с отворени тежести като LLaMA, Mistral и Qwen за специфични бизнес или вътрешни приложения.
До края на това обучение участниците ще бъдат в състояние да:
- Разбират екосистемата и различията между отворен код LLMs.
- Подготовят данни и настройки за настройване на модели като LLaMA, Mistral и Qwen.
- Изпълняват процеси за настройване, използвайки Hugging Face Transformers и PEFT.
- Оценяват, запазват и разпространяват настройвани модели в сигурни среди.