Programa do Curso

Introdução à IA em Financial Crime

  • Visão geral de fraudes e AML na era da finança digital
  • Aproaches tradicionais vs baseados em IA
  • Casos práticos da Mastercard, JPMorgan e bancos globais

Machine Learning para Monitoramento de Transações

  • Aprendizado supervisionado para pontuação e classificação de risco
  • Aprendizado não supervisionado para detecção de anomalias
  • Geração de alertas em tempo real e processamento de fluxo

Análise de Grafos e Detecção de Riscos de Rede

  • Modelagem de relações entre entidades e transações
  • Deteção de esquemas complexos de fraude usando IA em grafos
  • Mão-na-massa com Neo4j ou ferramentas similares

Processamento de Linguagem Natural para AML

  • Mineração de texto na diligência de cliente (CDD)
  • Escanear listas de vigilância usando reconhecimento de entidades nomeadas (NER)
  • Avaliação documental baseada em prompts e relatórios de atividade suspeita (SARs)

Governança e Explicabilidade do Modelo Go

  • Criação de modelos explicáveis e auditáveis
  • Deteção e mitigação de vieses em algoritmos de detecção de fraudes
  • Uso de técnicas XAI em cenários de conformidade

Etica, Regulação e Risco do Modelo

  • Cumprimento com os quadros AML e KYC (por exemplo, FATF, FinCEN, EBA)
  • Etica da IA em vigilância e monitoramento de clientes
  • Padrões de relatório e auditoria regulatória

Estratégias de Implantação e Tendências Futuras

  • Integração de modelos de IA nos sistemas de transações existentes
  • Ciclos de feedback e mecanismos para atualização do modelo
  • Futuro da IA gerativa na investigação de fraudes e automação de SARs

Resumo e Próximos Passos

Requisitos

  • Compreensão dos riscos de fraude e procedimentos AML
  • Experiência com análise de dados ou relatórios de conformidade
  • Familiaridade básica com Python ou plataformas de analytics

Público-alvo

  • Profissionais de risco de fraude
  • EQUIPES DE COMPLIANCE AML
  • Gestores de segurança
 14 Horas

Próximas Formações Provisórias

Categorias Relacionadas