مدل‌سازی ریسک: کاربردهای عملی هوش مصنوعی، یادگیری ماشین و یادگیری عمیق ۲۰۲۲
Risk Modeling: Practical Applications of Artificial Intelligence, Machine Learning, and Deep Learning 2022

**مروری جامع بر کاربرد تکنیک‌های هوش مصنوعی و یادگیری ماشین در مدیریت ریسک مالی، همراه با راهکارهای عملی برای پیاده‌سازی**

کتاب *مدل‌سازی ریسک: کاربردهای عملی هوش مصنوعی، یادگیری ماشین و یادگیری عمیق*، خوانندگان را با استفاده از فناوری‌های نوآورانه هوش مصنوعی برای پیش‌بینی و ارزیابی ریسک‌های مالی آشنا می‌کند. این راهنمای کاربردی با پوشش به‌روز کاربرد عملی تکنیک‌های مدل‌سازی کنونی در مدیریت ریسک، فرصت‌ها و چالش‌های جدید مرتبط با پیاده‌سازی یادگیری ماشین و هوش مصنوعی (AI) در فرآیند مدیریت ریسک را نیز بررسی می‌کند.

نویسندگان، تریسا رابرتز و استفان تونا، درک روشنی از نقاط قوت و ضعف یادگیری ماشین و هوش مصنوعی را در اختیار خوانندگان قرار می‌دهند و در عین حال توضیح می‌دهند که چگونه می‌توان از آن‌ها هم برای مسائل روزمره مدیریت ریسک و هم برای ارزیابی تأثیرات مالی رویدادهای شدید مانند همه‌گیری‌های جهانی و تغییرات آب و هوایی استفاده کرد. در سرتاسر متن، نویسندگان با ارائه توضیحات شفاف، تصورات غلط درباره استفاده از تکنیک‌های یادگیری ماشین و هوش مصنوعی را روشن می‌کنند و در عین حال، گام به گام، راهکارهایی را برای پیاده‌سازی این فناوری‌ها در چارچوب حاکمیت مدل مدیریت ریسک یک سازمان ارائه می‌دهند. این اثر معتبر:

* کاربرد یادگیری ماشین و هوش مصنوعی را در شناسایی رویه‌هایی برای اجتناب یا به حداقل رساندن ریسک مالی برجسته می‌کند.
* ابزارهای عملی برای ارزیابی سوگیری و قابلیت تفسیر مدل‌های حاصل از الگوریتم‌ها و تکنیک‌های یادگیری ماشین را مورد بحث قرار می‌دهد.
* اصول اساسی و ظرافت‌های مهندسی ویژگی و الگوریتم‌های رایج یادگیری ماشین را پوشش می‌دهد.
* نشان می‌دهد که چگونه مدل‌سازی ریسک در حال ادغام تکنیک‌های یادگیری ماشین و هوش مصنوعی برای مصرف سریع داده‌های پیچیده و رفع شکاف‌های فعلی در چرخه عمر مدل‌سازی سرتاسری است.
* توضیح می‌دهد که چگونه می‌توان نرم‌افزارهای اختصاصی و زبان‌های متن‌باز را با هم ترکیب کرد تا بهترین‌های هر دو دنیا را برای مدل‌های ریسک و متخصصان ریسک ارائه کرد.

*مدل‌سازی ریسک: کاربردهای عملی هوش مصنوعی، یادگیری ماشین و یادگیری عمیق*، راهنمایی ارزشمند برای مدیران عامل، مدیران ارشد ریسک، مدیران ارشد مالی، مدیران ریسک، مدیران کسب‌وکار و سایر متخصصان فعال در زمینه مدیریت ریسک است.

A wide-ranging overview of the use of machine learning and AI techniques in financial risk management, including practical advice for implementation

Risk Modeling: Practical Applications of Artificial Intelligence, Machine Learning, and Deep Learning introduces readers to the use of innovative AI technologies for forecasting and evaluating financial risks. Providing up-to-date coverage of the practical application of current modelling techniques in risk management, this real-world guide also explores new opportunities and challenges associated with implementing machine learning and artificial intelligence (AI) into the risk management process.

Authors Terisa Roberts and Stephen Tonna provide readers with a clear understanding about the strengths and weaknesses of machine learning and AI while explaining how they can be applied to both everyday risk management problems and to evaluate the financial impact of extreme events such as global pandemics and changes in climate. Throughout the text, the authors clarify misconceptions about the use of machine learning and AI techniques using clear explanations while offering step-by-step advice for implementing the technologies into an organization’s risk management model governance framework. This authoritative volume:

• Highlights the use of machine learning and AI in identifying procedures for avoiding or minimizing financial risk
• Discusses practical tools for assessing bias and interpretability of resultant models developed with machine learning algorithms and techniques
• Covers the basic principles and nuances of feature engineering and common machine learning algorithms
• Illustrates how risk modeling is incorporating machine learning and AI techniques to rapidly consume complex data and address current gaps in the end-to-end modelling lifecycle
• Explains how proprietary software and open-source languages can be combined to deliver the best of both worlds: for risk models and risk practitioners

Risk Modeling: Practical Applications of Artificial Intelligence, Machine Learning, and Deep Learning is an invaluable guide for CEOs, CROs, CFOs, risk managers, business managers, and other professionals working in risk management.