Tutte le lezioni si svolgeranno in aula virtuale, con collegamento da remoto per i partecipanti. Sarà possibile interagire con i docenti che saranno collegati in live streaming. L’orario di tutte le lezioni è dalle 12.00 alle 13.30.

3 ottobre 2025

💡Lezione 1: Intelligenza Artificiale e Credito – Evoluzione, Opportunità e Limiti

🎓Docenti in fase di definizione

Argomenti:

Machine learning, deep learning e reti neurali: come funzionano e perché sono rilevanti nel credito

Applicazioni dell’AI nel settore creditizio: automazione dei prestiti, analisi comportamentale, chatbot

Opportunità e sfide: trasparenza, bias, sicurezza dei dati e regolamentazione

Strumenti chiave: TensorFlow, Scikit-learn e NLP per analisi documentale

10 ottobre 2025

📊Lezione 2: Data Science e AI per l’Analisi del Credito – Dalla Teoria all’Applicazione

🎓Docenti in fase di definizione

Argomenti:

Supervised vs. unsupervised learning: quali tecniche usare nel credito

Tipologie di dati utilizzati: finanziari, demografici, comportamentali, fonti alternative (social media, transazioni)

Preprocessamento avanzato dei dati: normalizzazione, gestione dei dati mancanti, feature selection

Feature Engineering per migliorare la predittività dei modelli

Workshop pratico: costruzione di un dataset per la valutazione del credito con Python

17 ottobre 2025

📑Lezione 3: Sistemi di Credit Scoring AI-Driven – Algoritmi, Interpretabilità e Affidabilità

🎓Docenti in fase di definizione

Argomenti:

Modelli avanzati di credit scoring: decision tree, random forest, gradient boosting, reti neurali

Metriche di valutazione: ROC, AUC, precision, recall, F1-score

Explainable AI (XAI): come rendere i modelli di scoring più trasparenti

Laboratorio: sviluppo e tuning di un modello di credit scoring con XGBoost

24 ottobre 2025

🔎Lezione 4: Intelligenza Artificiale e Prevenzione delle Frodi Finanziarie

🎓Docenti in fase di definizione

Argomenti:

Tipologie di frodi finanziarie: furto d’identità, transazioni fraudolente, falsificazione documentale

Tecniche AI per la rilevazione delle frodi: anomaly detection, clustering, modelli supervisionati e non supervisionati

Uso di reti neurali avanzate: LSTM e autoencoder per la rilevazione di anomalie

Caso pratico: implementazione di un modello antifrode con Python e Scikit-learn

31 ottobre 2025

⚠️Lezione 5: Modelli AI per la Valutazione e la Gestione del Rischio Creditizio

🎓Docenti in fase di definizione

Argomenti:

Modelli predittivi per la gestione del rischio: regressione avanzata, time series analysis, deep learning

AI e stress testing: simulazione di scenari economici estremi

Integrazione dell’AI nei sistemi di risk management e automazione delle decisioni di credito

Simulazione: sviluppo di un modello predittivo per il rischio di credito con Python e Pandas

7 novembre 2025

⚙️Lezione 6: Finanza Personalizzata e AI – Verso un Credito su Misura

🎓Docenti in fase di definizione

Argomenti:

Tecniche di segmentazione avanzata: clustering con K-Means, DBSCAN, embedding

Recommendation systems nel credito: collaborative filtering e content-based filtering

Pricing dinamico con AI: tecniche di ottimizzazione per determinare tassi d’interesse personalizzati

Esercitazione: sviluppo di un sistema di raccomandazione per prestiti con Python e Scikit-learn

14 novembre 2025

⚖️Lezione 7: Implementare l’AI nel Settore del Credito – Sfide, Regole e Prospettive Future

🎓Docenti in fase di definizione

Argomenti:

Bias ed equità nei modelli AI: tecniche di fairness AI e mitigazione dei bias

Regolamentazione AI nel settore finanziario: GDPR, PSD2, norme UE e USA

Privacy e considerazioni etiche nell’uso dell’AI nel credito

Studio di caso: analisi di un’implementazione AI in un’istituzione finanziaria