Plan du cours

Introduction à l'Edge AI dans les services financiers

  • Vue d'ensemble de l'Edge AI et de ses applications dans la finance
  • Avantages et défis de l'utilisation de l'Edge AI dans le secteur bancaire
  • Études de cas d'applications réussies de l'Edge AI dans la finance

Configuration de l'environnement Edge AI

  • Installation et configuration des outils Edge AI
  • Intégration des sources de données financières et des systèmes de collecte
  • Introduction aux frameworks et bibliothèques Edge AI pertinents
  • Exercices pratiques pour la configuration de l'environnement

Détection de la fraude avec Edge AI

  • Introduction à la détection des fraudes
  • Développement de modèles d'IA pour la détection de la fraude en temps réel
  • Mise en œuvre de systèmes de détection d'anomalies
  • Exercices pratiques pour la détection des fraudes

Améliorer le service à la clientèle à l'aide de l'Edge AI

  • Vue d'ensemble du service à la clientèle dans les services financiers
  • Techniques d'IA pour des interactions personnalisées avec les clients
  • Mise en œuvre de chatbots et d'assistants virtuels pilotés par l'IA
  • Exercices pratiques pour les applications de service à la clientèle

Risque Management avec Edge AI

  • Introduction à la gestion des risques
  • Utilisation de l'IA pour l'évaluation et l'atténuation des risques en temps réel
  • Mise en œuvre de systèmes d'aide à la décision pilotés par l'IA
  • Exercices pratiques pour la gestion des risques

Déploiement et gestion des solutions d'intelligence artificielle en périphérie

  • Déployer des modèles d'IA sur des dispositifs financiers périphériques
  • Surveillance et maintenance des systèmes Edge AI
  • Dépannage et optimisation des modèles déployés
  • Exercices pratiques pour le déploiement et la gestion

Outils et cadres pour l'IA en périphérie financière

  • Vue d'ensemble des outils et des cadres (par exemple, TensorFlow Lite, OpenVINO)
  • Utilisation de TensorFlow Lite pour les applications d'IA financière
  • Exercices pratiques avec des outils d'optimisation

Applications réelles et études de cas

  • Examen de projets d'IA financière réussis
  • Discussion sur les cas d'utilisation spécifiques à l'industrie
  • Projet pratique de construction et d'optimisation d'une application d'IA financière dans le monde réel

Résumé et prochaines étapes

Pré requis

  • Une compréhension des concepts de l'IA et de l'apprentissage automatique
  • Expérience des services financiers et des applications fintech
  • Compétences de base en programmation (Python recommandé)

Audience

  • Finance professionnels
  • Fintech développeurs
  • Spécialistes de l'IA
 14 Heures

Nombre de participants


Prix ​​par Participant

Cours à venir

Catégories Similaires