Artificial Intelligence dan Machine Learning di Perbankan
Artificial Intelligence dan Machine Learning di Perbankan
Deskripsi
Pelatihan ini memberikan pemahaman mendalam tentang penerapan Artificial Intelligence (AI) dan Machine Learning (ML) dalam ekosistem perbankan modern. Peserta akan mempelajari bagaimana AI dan ML dapat digunakan untuk menganalisis data besar, meningkatkan keputusan bisnis, mendeteksi risiko, dan mengotomatisasi proses operasional. Pelatihan ini menekankan integrasi teknologi canggih dengan strategi bisnis bank, agar dapat menghadirkan layanan yang lebih cepat, akurat, dan aman bagi nasabah. Dalam pelatihan ini, peserta juga akan mempelajari pipeline end-to-end ML, mulai dari pengumpulan data, pra-pemrosesan, pemodelan, evaluasi, hingga deployment. Peserta akan dibekali studi kasus perbankan seperti deteksi fraud, scoring kredit, analisis sentimen pelanggan, dan optimasi operasional, sehingga mampu merancang solusi AI dan ML yang efektif serta berkelanjutan, sesuai regulasi industri perbankan.
Tujuan
Memahami konsep dasar AI, ML, dan data science di konteks perbankan. Menguasai metode pengolahan data dan teknik machine learning untuk analisis prediktif. Mampu merancang model AI untuk deteksi fraud, scoring kredit, dan analisis risiko. Mengerti pipeline pengembangan ML dari data collection hingga deployment. Memahami aspek etika, keamanan, dan regulasi penggunaan AI di perbankan. Mengoptimalkan proses operasional dan layanan nasabah dengan teknologi cerdas.
Materi
- Pengenalan AI dan ML di Perbankan
Definisi AI, ML, dan Deep Learning Tren AI di industri perbankan Manfaat AI: efisiensi operasional, pengambilan keputusan, dan customer experience
- Data dan Data Management
Jenis data bank: transaksi, profil nasabah, interaksi digital Data preprocessing: cleaning, normalization, feature engineering Data governance dan keamanan data nasabah
- Teknik Machine Learning Dasar
Supervised vs unsupervised learning Regression, classification, clustering Evaluasi model: accuracy, precision, recall, AUC
- Machine Learning Lanjutan
Ensemble methods: Random Forest, Gradient Boosting Deep learning: neural networks dan CNN/RNN untuk data finansial Natural Language Processing (NLP) untuk analisis sentimen dan chatbots
- Penerapan AI di Perbankan
Fraud detection: anomaly detection, transaction monitoring Credit scoring dan risk assessment menggunakan ML Customer segmentation dan rekomendasi produk finansial Chatbots, virtual assistants, dan automasi layanan nasabah
- Pipeline Pengembangan Model ML
Data collection dan preprocessing Feature selection dan engineering Model training, validation, dan hyperparameter tuning Deployment dan monitoring model di lingkungan produksi
- Regulasi, Etika, dan Keamanan AI
Kepatuhan terhadap OJK, GDPR, dan standar industri Mitigasi bias model dan fairness dalam AI Keamanan model: adversarial attacks dan data privacy
- Optimasi Operasional dan Strategi AI
Automasi proses internal: back-office, reconciliation, reporting Predictive maintenance untuk sistem IT bank Analisis dan visualisasi data untuk pengambilan keputusan strategis
- Studi Kasus dan Simulasi
Simulasi deteksi fraud dan scoring kredit Analisis sentimen pelanggan dari data digital banking Deployment model dan evaluasi performa di lingkungan bank
Metode
Pre-test Presentation Discussion Case study Post-test
Fasilitas
Training Kit (Tas, Hand out, Flashdisk, Block note, Pulpen dll) Certificate Souvenir 2x Coffee Break, 1x Lunch PRICE (Running dengan kuota minimal 3 peserta)