Kursets innhold
Modul 1: Grunnleggende teknologiforståelse
AI og maskinlæring i praksis
- Dataforståelse, datakvalitet og preprosessering
- Praktiske eksempler på bruk av AI og ML i finansnæringen
Hva er maskinlæring og hvordan fungerer det?
- Klassifisering og regresjon
- Klustering og dimensjonalitet
- Hvordan evaluerer vi modeller?
- Forklarbar AI
Hva er dyp læring og hvordan fungerer det?
- Hva er et nevralt nettverk
- Hvordan lærer nevrale nettverk?
- Eksempler på nevrale netverk som store språkmodeller, generative antagonistiske nettverk, og diffusjonsmodeller.
Modul 2: Etikk og reguleringer i AI
Etikk og Ai
- Etikkens verktøy
- Etiske utfordringer med AI
- Navigasjonshjulet
Regulering av KI
- Oversikt over regulatoriske aspekter av AI
- Hva er overordnede juridiske utfordringene som AI reiser?
- KI og menneskerettigheter
- Hvordan påvirker bruken av AI i finansbransjen menneskerettigheter, både positivt og negativt?
- EU AI Act
- Hva betyr den nye AI Act for finansnæringen?
- KI og GDPR
- Hva er de grunnleggende prinsippene i GDPR, og hvilke konsekvenser har de for finansbransjens bruk av AI?
Hvordan samtale om AI, etikk og reguleringer
- Etikk og ytringsklima
- Moralpsykologi og AI
Modul 3: Maskinlæring, naturlig språkbehandling og anvendelser i finans
Naturlig språkbehandling
- Automatisert tekstanalyse
- Oppdagelse av spam eller svindel
- Store språkmodeller
Muimodalitet
- Integrering av ulike datakilder
- Forbedrede prediksjoner med multimodale data
Case studier og anvendelser
- Diskusjoner om hvordan man kan ta i bruk lært teori i deltakernes egne organisasjoner.
- Brainstorming rundt mulige innovasjoner i finanstjenester ved bruk av ML og NLP.