CURSO DE INTELIGENCIA ARTIFICIAL GENERATIVA Y AUTOMATIZACIÓN INTELIGENTE APLICADA A FINANZAS Y CIENCIA DE DATOS.

Introducción a la Inteligencia Artificial Generativa

• Conceptos fundamentales:
  • Definición de IA generativa.
  • Distinción entre modelos discriminativos vs. modelos generativos.
  • Tipologías: generación de texto, imágenes, código, datos sintéticos.

Introducción al prompt engineering

• Cómo formular prompts efectivos para resultados financieros relevantes.

Breve recorrido de la IA tradicional a la IA generativa

• Impacto de arquitecturas como Transformers en modelos fundacionales (GPT, Gemini, Claude).
• Desafíos iniciales de la IA generativa.
• IA generativa vs. IA tradicional:
  • Ejemplos de aplicación de IA generativa en finanzas.
  • IA generativa: detección de fraudes históricos.
  • IA generativa: generación de escenarios hipotéticos de fraude.

Herramientas de IA Generativa en Finanzas

• Uso de ChatGPT, Claude y Gemini:
  • Automatización de reportes financieros
  • Informes de riesgos, tendencias ESG, cálculos de escenarios.
• Fundamentos de ingeniería de prompts y ejemplos específicos en:
  • Modelos de pricing de derivados financieros.
  • Automatización de informes sobre riesgos financieros.
  • Creación de estrategias de inversión.
  • Aplicaciones para decisiones de crédito e inversiones complejas en mercados emergentes.

Automatización de Procesos Financieros con agentes de IA y Diseño de agentes inteligentes

• Extracción automática de datos y estados contables.
• Integración de documentos ejecutivos de métricas e informes.
• Automatización de reconciliaciones y movimientos entre hojas de cálculo de activos e inversiones.
• Análisis automático de información bancaria y gestión de cuentas de pagos.
• Creación de recomendaciones de inversión personalizadas a partir de objetivos de clientes y cambios de mercado.

Generación de Datos Sintéticos Financieros introducción a la creación de datasets inteligentes

• Beneficios: privacidad, ampliación de datos históricos, robustez de modelos predictivos.
• Herramientas principales:
  • Uso de Synthetic Data Vault (SDV)
• Otros métodos relevantes: GANs (Generative Adversarial Networks) para escenarios sintéticos.
• Aplicaciones prácticas:
  • Generación de escenarios históricos alternativos.
  • Simulación de historias crediticias en modelos de fraude sintético.
  • Entrenamiento de modelos predictivos sin comprometer datos sensibles.
  • Cumplimiento de normativas de privacidad (GDPR, ISO 27701).
  • Validación y control de calidad de modelos cuando la fidelidad, diversidad y utilidad de los datos sintéticos son críticos.

Dashboards Inteligentes y Análisis Dinámicos con IA

• Difusión de dashboards financieros inteligentes:
  • Impacto en áreas de riesgos, cumplimiento, inversiones.
• Modelos generativos de análisis financiero:
  • Análisis de sensibilidad automatizado.
  • Generación de métricas sobre escenarios financieros alternativos.
• Uso de lenguaje natural para dashboards:
  • Interpretación automática de reportes trimestrales, datos financieros.
• Generación automatizada de respuestas a preguntas frecuentes sobre operaciones financieras.
• Resumen de presentaciones de resultados corporativos.
• Automatización de análisis narrativos:
  • Resumen de earnings calls, historias de inversionistas.
  • Automatización de análisis financieros descriptivos para la toma de decisiones.
  • Identificación de KPIs y métricas de negocio.