BIK 2550 AI in the finance industry
BIK 2550 AI in the finance industry
Vi lever i en banebrytende tid hvor kunstig intelligens (AI) er i ferd med å revolusjonere hvordan vi jobber og tenker i ulike sektorer. Fra helsevesen til utdanning, fra produksjon til tjenesteytelser, opplever vi nå en omforming drevet av AI og dens uendelige muligheter. Dette kurset gir en introduksjon i de grunnleggende aspektene ved AI-teknologi, med et dykk i hvordan disse innovasjonene kan brukes til å forandre og videreutvikle finansnæringen.
- Etter gjennomført kurs skal deltakerne ha en solid forståelse av de grunnleggende prinsippene og konseptene bak kunstig intelligens (AI) og maskinlæring (ML), inkludert innsikt i nevrale nettverk og dyp læring.
- Etter gjennomført kurs skal deltakerne kunne identifisere og diskutere etiske utfordringer knyttet til AI, inkludert personvern, fordommer og ansvarlighet. De skal også forstå de juridiske rammeverkene og regelverkene som styrer AI, med et søkelys på konsekvensene for finansnæringen, samt vite hvordan man kan fremme en god dialog om AI og etikk på arbeidsplassen.
- Etter gjennomført kurs skal deltakerne forstå avanserte ML-konsepter, som veiledet og uveiledet læring, hva menes med multimodalitet samt en forståelse av hva som ligger til grunn for store språkmodeller.
- Etter gjennomført kurs skal studentene ha kunnskap om naturlig språkprosessering (NLP) og forstå dens relevans og bruk i finanssektoren.
- Etter gjennomført kurs skal studentene kunne bruke AI-teknologier i praktiske scenarier gjennom demonstrasjoner og case-studier, med et spesielt fokus på deres anvendelse i finanssektoren. De skal ha ferdigheter til å konseptualisere og tilpasse AI-løsninger til reelle problemstillinger i bransjen.
- Etter gjennomført kurs skal studentene være i stand til å analysere etiske dilemmaer knyttet til AI i finansnæringen, begrunne sine standpunkter, og koble generelle regelverk til konkrete hverdagseksempler. De skal utvikle ferdigheter i å navigere i komplekse etiske situasjoner og bidra til en ansvarlig bruk av AI-teknologier.
- Etter gjennomført kurs skal studentene kunne anvende maskinlæring (ML) og naturlig språkprosessering (NLP) for å forbedre beslutningstaking, risikoanalyse, og investeringsstrategier i finanssektoren. De skal kunne kombinere informasjon fra tekstdata med andre datakilder for å få nye innsikter og kunne diskutere praktiske eksempler gjennom case-studier.
Etter fullført kurs vil studentene ha oppnådd en omfattende generell kompetanse innen kunstig intelligens (AI) og maskinlæring (ML), med spesifikk innsikt i hvordan disse teknologiene kan anvendes i finanssektoren. De vil ha utviklet evnen til å forstå AI-løsninger, samtidig som de er i stand til å identifisere, analysere og navigere komplekse etiske og juridiske utfordringer knyttet til AI. Videre vil de kunne anvende avanserte ML-konsepter, inkludert naturlig språkprosessering (NLP), for å forbedre beslutningsprosesser og utvikle nye strategier basert på kombinasjoner av ulike datakilder. Denne generelle kompetansen gjør dem rustet til å ta informerte og etisk ansvarlige beslutninger om bruk av AI i finansnæringen.
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.
Kurset gjennomføres online, med digitale samlinger til oppsatte tider. I tillegg kommer andre læringsaktiviteter, som f.eks. podcaster, videoer, oppgaver og andre digitale læringselementer.
Vi kommer til å bruke læringsplattformen Ed (https://edstem.org/) som muliggjør enkle programmeringseksempler, for eksempel i Python. Spesielt vil Jupyter Notebooks bli brukt i deler av undervisningen.
I BIs etter- og videreutdanningstilbud ved BI Executive, stilles det et gjensidig krav til student og kursansvarlig om involvering av studentens erfaring i planlegging og gjennomføring av kurs, moduler og programmer. Det vil si at studenten har rett og plikt til å involvere seg med egen kunnskap og relevant erfaring.
Kurset BIK 2550 AI i finansnæringen tilbys samlet som 7.5sp-kurs med eksamen, eller i form av tre delkurs uten eksamen: LUS 1051 Grunnleggende teknologiforståelse, , LUS 1052 Etikk og regulering i AI og LUS 1053 Maskinlæring og anvendelser i finansnæringen.
Higher Education Entrance Qualification
Disclaimer
Deviations in teaching and exams may occur if external conditions or unforeseen events call for this.
Higher Education Entrance Qualification
Disclaimer
Deviations in teaching and exams may occur if external conditions or unforeseen events call for this.
| Assessments |
|---|
Exam category: Submission Form of assessment: Submission PDF Weight: 100 Grouping: Group/Individual (1 - 3) Duration: 1 Semester(s) Exam code: BIK 25501 Grading scale: ECTS Resit: Examination when next scheduled course |
| Activity | Duration | Comment |
|---|---|---|
Teaching | 45 Hour(s) | |
Prepare for teaching | 30 Hour(s) | |
Student's own work with learning resources | 50 Hour(s) | |
Examination | 75 Hour(s) |
A course of 1 ECTS credit corresponds to a workload of 26-30 hours. Therefore a course of 7,5 ECTS credit corresponds to a workload of at least 200 hours.