Contacta con nosotros

Temario del curso

Introducción a la IA en el crimen financiero

  • Panorama general del fraude y AML en la era de las finanzas digitales.
  • Enfoques tradicionales frente a los basados en IA.
  • Estudios de caso de Mastercard, JPMorgan y bancos globales.

Aprendizaje automático para el monitoreo de transacciones

  • Aprendizaje supervisado para la calificación de riesgos y clasificación.
  • Aprendizaje no supervisado para la detección de anomalías.
  • Generación de alertas en tiempo real y procesamiento de flujos de datos.

Análisis de grafos y detección de riesgos en la red

  • Modelado de relaciones entre entidades y transacciones.
  • Detección de esquemas de fraude complejos utilizando IA basada en grafos.
  • Práctica con Neo4j o herramientas similares.

Procesamiento del lenguaje natural (PLN) para AML

  • Minería de texto en la debida diligencia del cliente (CDD).
  • Escaneo de listas de vigilancia mediante reconocimiento de entidades con nombre (NER).
  • Revisión de documentos basada en indicaciones y reportes de actividades sospechosas (SAR).

Gobernanza y explicabilidad de los modelos

  • Desarrollo de modelos explicables y auditables.
  • Detección y mitigación de sesgos en algoritmos de detección de fraude.
  • Uso de técnicas de IA explicable (XAI) en entornos de cumplimiento normativo.

Ética, regulación y riesgo de los modelos

  • Cumplimiento de los marcos AML y KYC (conozca a su cliente), como FATF, FinCEN y EBA.
  • Ética de la IA en la vigilancia y el monitoreo de clientes.
  • Estándares de informes y capacidad de auditoría regulatoria.

Estrategias de implementación y tendencias futuras

  • Integración de modelos de IA en los sistemas de transacciones existentes.
  • Ciclos de retroalimentación y mecanismos de actualización de modelos.
  • El futuro de la IA generativa en la investigación de fraudes y la automatización de SAR.

Resumen y próximos pasos

Requerimientos

  • Comprensión de los riesgos de fraude y los procedimientos de AML (antilavado de dinero).
  • Experiencia en análisis de datos o informes de cumplimiento.
  • Conocimiento básico de Python o plataformas de análisis.

Público objetivo

  • Profesionales en riesgos de fraude.
  • Equipos de cumplimiento de AML.
  • Gerentes de seguridad.
 14 Horas

Número de participantes


Precio por participante

Reseñas (1)

Próximos cursos

Categorías Relacionadas