Rakendatud tehisintellekti kasutamine finantsvaldkonnas
1.1. Põhiline analüüs
1.1.1. Regressioon ja omakapitali analüüs, lineaarne regressioon
1.1.2. AI-põhine finantsanalüüs
1.2. Regressioon rahanduses
1.2.1. Masin- ja süvaõpe mudelihinnanguna rahanduses
1.2.2. Logistiline regressioon pankade läbikukkumiste modelleerimiseks
2.1. Riskihaldus
2.1.1. Riskiliigid pangandus- ja kindlustussektoris
2.1.2. Masinõpe ja süvaõpe riskianalüüsis
2.1.3. Riskijuhtimisvahendid
2.1.4. Analüütika ja suurandmete vahendid riskijuhtimises
2.2. Pettuste tuvastamine
2.2.1. Pettused ja kasu tehisintellekti kasutamisest pettuste tuvastamiseks panganduses
2.2.2. Käitumise ja turu kuritarvitamise järelevalve kauplemisel
2.3. Modelleerimine
2.3.1. Krediidiriski ja tulude modelleerimine
2.4. Eetika
2.4.1. Eetika ja vastavus üldisele andmekaitsemäärusele (GDPR)
3.1. Klientide käitumine
3.1.1. Tehisintellektil põhinev kliendikäitumise ja prognoosiv analüütika
3.1.2. AI mõju tarbijate ostukäitumisele
3.2. Interaktsioon
3.2.1. Tehisintellekt kliendisuhetes
3.2.2. Tehisintellektipõhised virtuaalsed assistendid panganduses
4.1. Analüüs, järelevalve ja otsuste tegemine
4.1.1. Krediidiotsuste ja kindlustusotsuste tegemine
4.1.2. Järelevalve ja kogumine,
4.1.3. Suhete süvendamine,
5.1. Analüüs ja prognoosid
5.1.1. Masin- ja süvaõppe prognoosivad meetodid
5.1.2. Reaalajas finants-ajaridade analüüs
5.2. Varjatud informatsiooni eraldamine
5.2.1. Potentsiaalsete turuvõimaluste omaduste eraldamine
6.1. Operatsioonide automatiseerimine
6.1.1. Kaubanduse finantseerimise automatiseerimine
6.1.2. Panganduse reguleerimise ja vastavuse automatiseerimine
6.1.3. Rahapesuvastase võitluse (AML) ja sanktsioonide läbivaatuse automatiseerimine
6.2. Tööprotsesside automatiseerimine
6.2.1. Sularahahalduse automatiseerimine
6.2.2. Dokumentide töövoo ja sisemiste protsesside automatiseerimine
