ML w analizie zgodności transakcji blockchain - kurs dla specjalistów AML
Szczegółowy program kursu z zakresu uczenia maszynowego w analizie łańcucha bloków - materiał przygotowany przez zespół ryhobyy.
O tym kursie
Regulatorzy coraz częściej pytają nie tylko o wynik modelu, ale o jego uzasadnienie. W obszarze AML interpretowalność to wymóg, nie opcja.
Dla kogo jest ten kurs
Dla osób pracujących w compliance, ryzyku lub analizie finansowej, które mają kontakt z danymi blockchain, ale nie mają tła data science. Kurs zakłada znajomość Excela i podstaw SQL - nie Pythona.
Pierwsza część kursu to szybkie wprowadzenie do Pythona w kontekście analizy danych. Nie uczymy programowania - uczymy korzystania z gotowych narzędzi.
Interpretowalność jako priorytet
Każdy moduł poświęcony modelom zawiera sekcję o wyjaśnianiu wyników: SHAP values, LIME, reguły decyzyjne. Analityk musi umieć powiedzieć, dlaczego model oflagował konkretny adres.
- Segmentacja klientów na podstawie wzorców transakcyjnych
- Scoring ryzyka adresów z użyciem modeli interpretowalnych
- Automatyczne raportowanie podejrzanych wzorców
- Praca z danymi z Chainalysis i Elliptic w środowisku Python
- Czas trwania
- Sześć tygodni, około pięciu godzin tygodniowo
- Format
- Nagrania wideo, ćwiczenia w Jupyter Notebook, sesje Q&A na żywo co dwa tygodnie
- Certyfikat
- Wystawiany po zaliczeniu projektu końcowego i testu wiedzy
Program kursu
-
Tydzień 1 - Python dla analityków: pandas, podstawy pracy z danymi tabelarycznymi, pierwsze zapytania do API blockchain.
-
Tydzień 2 - Dane transakcyjne w kontekście AML: typologia ryzyka, red flags, mapowanie na cechy modelu.
-
Tydzień 3 - Modele klasyfikacji interpretowalnej: drzewa decyzyjne, reguły asocjacyjne, scoring logistyczny.
-
Tydzień 4 - SHAP i LIME w praktyce. Jak tłumaczyć wyniki modelu regulatorowi i klientowi wewnętrznemu.
-
Tydzień 5 - Automatyzacja raportowania: generowanie alertów, integracja z systemami case management, podstawy schedulingu w Pythonie.
-
Tydzień 6 - Projekt końcowy: analiza wybranego scenariusza ryzyka AML, model scoringowy z dokumentacją metodologiczną.
Uczestniczka poprzedniej edycji, Weronika Stasiak z działu compliance w instytucji płatniczej, opisała moduł o SHAP jako najbardziej praktyczny element całego programu.