Künstliche Intelligenz – mit Anwendungsfällen aus der Finanzbranche

Ziele

In diesem Kompaktkurs erfahren Sie, wie KI-Systeme funktionieren, wie sie entworfen werden und was mit dem Stand der Technik möglich ist. Mit Hilfe praktischer Übungen erleben Sie hautnah, wie Neuronale Netze, Deep Learning und Mensch-Maschine-Dialoge arbeiten. In diesem Seminar verzichten wir auf Fachkauderwelsch. Anhand intuitiver und praktischen Übungen begreifen Sie die Grundprinzipien hautnah.

Zielgruppe

Dieses Seminar richtet sich an alle, deren Arbeit und strategische Ausrichtung sich durch KI verändert oder künftig verändern wird. Die Seminarinhalte werden anhand von Beispielen aus der Finanzbranche erläutert.

Voraussetzungen

Keine, der Kurs ist auch für Nicht-Techniker geeignet.

Agenda

Einführung in das Thema Künstrliche Intelligenz

• Künstliche Intelligenz, was ist das?
• Einführung und Themenüberblick zu den einzelnen Modulen

Machine Learning

• Basisaufbau neuronale Netze
• Funktionsweise von Lernalgorithmen
• Extraktion relevanter Informationen aus Daten (Feature Engineering)
• Beurteilung der Qualität von Machine Learning-Lösungen
• Finance-Anwendungsbeispiele: Erkennung von Betrugsfällen und KI-basierte Kreditentscheidung

Deep Learning

• Deep Learning-Grundprinzipien
• Verfahren im Vergleich: Supervised, Unsupervised und Reinforcement Learning
• Marktübersicht: Die wichtigsten Deep Learning-Plattformen
• Schwächen aktueller Verfahren und Trends der kommenden Jahre
• Finance-Anwendungsbeispiel: Identifikation von Kunden anhand von Biometrie (Stimme, Gesichtserkennung, Gestik)

Sprachverstehen (Natural Language Understanding) und Dialogsysteme (Interactive Voice Response)

• Natural Language Understanding: Gesprochene und geschrieben Sprache verstehen
• Funktionsweise von Sprachassistenten (Alexa, Siri, Google Assistant)
• Interactive Voice Response: Gängige Verfahren für komplexe Mensch-Maschine-Dialoge
• Stand der Technik: Einsatz von Deep Learning in Dialogsystemen
• Finance-Anwendungsbeispiel: Abwicklung eines Banking-Service über Sprachassistent

Simulation logischen Denkens und Wissensrepräsentation

• Wie können Maschinen "logisch denken"?
• Fach- und Allgemeinwissen in Systemen hinterlegen (Knowledge Representation)
• Beispielszenario: Einsatz von Ontologien zur Robotersteuerung
• Finance-Anwendungsbeispiel: Wertpapier-Anlageberatung mit Robo-Advice

Ethische Erwägungen und Ausblick

• Integration von moralischen und gesellschaftlichen Aspekten in das Systemdesign
• "Starke KI": Wann werden Maschinen das Intelligenzniveau von Menschen erreichen?