A Menedzsment és Controlling Egyesület Központi Munkacsoport tagjai és a téma iránt érdeklődők számára 2023. április elsején a mesterséges intelligencia alkalmazásáról témában tartottunk esettanulmány jellegű kiváló szakmai napot az IFUA Horváth & Partners Kft. minden igényt kielégítő új irodájában, ezúton is köszönjük a helyszín biztosítását és a kedves vendéglátást.
Három kiváló előadó: Killik László (MGI-BPO partner, könyvvizsgáló, könyvszakértő, BGE PSZK Számviteli Tanszék egyetemi óraadó), Dr. Kovács Endre (BGE PSZK Gazdaságinformatika Tanszék, főiskolai docens, üzleti adatelemző specializáció felelős), Erdélyi Katalin (BGE PSZK Gazdaságinformatika Tanszék, tanársegéd) segítette az esetek feldolgozását, amelybe a résztvevők teljes aktivitással kapcsolódtak be.
A mesterséges intelligencia többféle módszerrel, például adatbányászat, tanulás alapú algoritmusok, prediktív modellezés, szabály alapú rendszerek és neurális hálózatok segítségével használható a pénzügyi kockázatok azonosításában és elemzésében. A mesterséges intelligencia által képzett eredményekhez azonban mindig szakemberek ellenőrzése és értékelése szükséges.
A bevezetőben első előadónk, Killik László bemutatta az előadás témáját és célját, valamint a pénzügyi kockázatok fontosságát. Ebben az részben említésre kerültek a legfontosabb kockázati tényezők és a kockázatkezelés jelentősége. Megismerhettük a mesterséges intelligencia alapjait, beleértve a gépi tanulás, a természetes nyelvfeldolgozás és a képfeldolgozás alapjait. Itt érdemes említeni a különböző algoritmusokat, amelyeket a pénzügyi kockázatok elemzésére lehet alkalmazni.
Bemutatásra került, hogy hogyan lehet adatokat gyűjteni és előkészíteni a mesterséges intelligencia algoritmusok számára. Szó esett a különböző adatbázisokról, API-król és adatforrásokról, valamint az adatok tisztításának és normalizálásának fontosságáról. Killik László bemutatta, hogy hogyan lehet alkalmazni a különböző mesterséges intelligencia algoritmusokat a pénzügyi kockázatok elemzésére. Itt kerültek bemutatásra a döntési fák, a klaszterezés, a sztochasztikus modellezés, a neurális hálózatok és a deep learning.
A felügyelt tanulás lehetővé teszi a mesterséges intelligencia algoritmusoknak a korábbi adatokon való tanulást. Itt kerültek említésre a különböző felügyelt tanulási technikák, például a klaszterezés, a döntési fák és a regressziós modellezés.
Dr. Kovács Endre egy webáruház számára kidolgozott árazórendszer bemutatására vállalkozott a jelenlévők nagy érdeklődésére, sorainkban voltak webáruházat üzemeltetők is. A rendszer újszerűsége, hogy gépi tanuló algoritmusok állítják elő az árakat. Az eredmények kiértékelése BI és adatvizualizációs eszközökkel történik.
Erdélyi Katalin gépi tanuló algoritmussal a magyar igazságügyi könyvszakértői vélemények bírósági befogadását kutatja. A kutatás általános célja kinyerni a magyar bíróságok által hozott ítéletekből az elfogadott/elutasított szakvélemények arányát, a jogalkalmazók szakértők munkájával kapcsolatos nézeteit, feltárni az elutasított szakértői vélemények okait.
A résztvevők visszajelzései alapján is elmondható, hogy igazán hasznosan töltöttük el ezt a szakmai napot a munkacsoporttal. A programot követően pedig kellemes ebédet költöttünk el egy közelben található étteremben.
Baráti üdvözlettel:
Dr. Bán Erika elnökségi tag, a workshop moderátora és előadóinak szervezője és Kolonics Róbert Munkacsoport Vezető