El fraude financiero cuesta miles de millones anuales a las instituciones. Los esquemas modernos operan a través de redes complejas de cuentas que los sistemas tradicionales no pueden detectar.
Este programa especializado enseña cómo modelar transacciones financieras como grafos donde las cuentas son nodos y las transferencias son aristas. Los participantes aprenden a implementar Graph Neural Networks que identifican patrones sospechosos analizando la topología de redes de pagos, detectando comunidades de cuentas relacionadas y flujos anómalos de capital.
El contenido cubre técnicas como GraphSAGE, Graph Attention Networks y algoritmos de detección de comunidades aplicados a datasets con millones de transacciones. Se trabaja con escenarios reales de lavado de dinero, fraude con tarjetas y manipulación de mercados, desarrollando sistemas que combinan análisis de grafos con modelos de aprendizaje supervisado y no supervisado.
Los equipos aprenden a procesar grafos dinámicos que evolucionan con cada nueva transacción, implementando sistemas de scoring en tiempo real que priorizan casos para investigación humana. La formación incluye técnicas de explicabilidad que permiten a los analistas entender por qué el sistema marcó una transacción como sospechosa, facilitando el cumplimiento de obligaciones de reporte regulatorio.