En esta sesión Facundo Buffa, científico de datos en Pirani, nos enseña qué es la inteligencia artificial, cómo funciona el machine Learning para segmentación (AML) y sobre el sistema de recomendación de riesgos + ChatGPT.

¿A qué nos referimos con inteligencia?

1. Razonar
2. Resolver problemas
3. Comprender ideas complejas
4. Aprender rápidamente
5. Aprender de la experiencia

¿A qué nos referimos con artificial?

Que estas funciones sean desempeñadas por una máquina (programa computacional, sistema, aplicación) sin necesidad de emplear un recurso humano.

Machine Learning para segmentación / clusterización - AML (Anti-Money Laundering)

Nuestro objetivo será encontrar grupos (clusters / segmentos) en los cuales las observaciones pertenecientes sean similares (estén cerca).

¿Para qué nos sirve la segmentación?

• Entender nuestros datos y conocer los individuos con los que tratamos (clientes, proveedores, productos).
• Descubrir patrones.
• Primer paso hacia el monitoreo transaccional (input).
• Cumplir con la normativa.

¿Cómo podemos aprovechar las técnicas de Machine Learning para este problema?

Precisión (patrones complejos)

• Automatización
• Escalabilidad
• Adaptabilidad
• Personalización
• Eficiencia en tiempo

Limpieza de datos y preprocesamiento (Técnicas)

1. Detección de valores atípicos (outliers)
2. Codificación de variables categóricas
3. Normalización de datos
4. Análisis de Componentes Principales (PCA)

¿Cómo elegir el número óptimo de segmentos?

Método del codo Inercia: La media de las distancias de cada uno de los puntos al centroide más cercano.

Silueta:

1. Cohesión: qué tan parecidos son los los datos con su propio cluster (homogeneidad)
2. Separación: qué tan separados están de otros clusters (heterogeneidad)

En AML de Pirani encontraremos dos algoritmos de clusterización:

K-means

• Simplicidad.
• Eficiencia.
• Sensibilidad ante valores atípicos y clusters de alta dimensionalidad

BIRCH

• Robustez frente a valores atípicos.
• Flexibilidad en la forma de los clusters.
• Datos de alta dimensionalidad.

Sistema de recomendación de riesgos + ChatGPT

Procesamiento del Lenguaje Natural

Ejemplos:

• Análisis de sentimientos (tweets, comentarios, encuestas).
• Clasificación de textos.
• Chat bots Es una rama de la inteligencia artificial que se enfoca en permitirle a las computadoras procesar y comprender el lenguaje humano.

Chat GPT

Generative: Crear nuevos puntos de datos

Pre-trained: 570 GB dataset de entrenamiento

Transformer: Mecanismo de atención

Aplicaciones de ChatGPT en la gestión de riesgos

Recomendación de riesgos potenciales:

• Variables claves sobre la empresa.
• Acceso a millones de datos y experiencias en internet.
• Clasificación de riesgos.
• Sugerencia de acciones de mitigación y posibles causas.