IA generativa y reportes financieros gubernamentales

Resumen

Este curso explora cómo la IA generativa, particularmente los modelos de lenguaje grandes (LLMs), puede transformar los informes gubernamentales y las prácticas contables. Aprenderás cómo la IA puede optimizar la extracción de datos financieros, mejorar la toma de decisiones y aumentar la eficiencia de los procesos contables.

El curso aborda preguntas clave como:

• ¿Cómo se pueden usar los LLMs para procesar y analizar informes financieros? • ¿Cuáles son los desafíos de implementar IA en contabilidad? • ¿Cómo pueden los marcos impulsados por IA mejorar la precisión y eficiencia en los informes financieros? Al final del curso, comprenderás cómo las herramientas impulsadas por IA pueden automatizar la extracción de datos, integrar flujos de trabajo y mejorar la toma de decisiones financieras.

Este curso está diseñado para:

• Profesionales de contabilidad y finanzas que buscan integrar la IA en sus flujos de trabajo. • Analistas financieros y auditores gubernamentales que manejan grandes conjuntos de datos. • Profesionales de IA y ciencia de datos interesados en aplicaciones de LLMs en informes financieros. • Estudiantes e investigadores en contabilidad, finanzas o campos relacionados con IA. Los estudiantes de cualquier formación son bienvenidos.

No obstante, se recomienda tener conocimientos básicos de principios contables e informes financieros, y familiaridad con conceptos de IA y programación (por ejemplo, Python).

Programa de estudio

• Introducción a la IA Generativa y LLM en Contabilidad
Al final del Módulo 1, los estudiantes obtendrán una comprensión fundamental de la inteligencia artificial y el aprendizaje automático y su relevancia para la contabilidad. Podrán describir los Modelos de Lenguaje Extensos (LLM) y sus aplicaciones en el campo, al tiempo que reconocen tanto los beneficios como los desafíos de integrar LLM en las prácticas contables. Además, entenderán la importancia de la ingeniería de indicaciones en la configuración de los resultados de los LLM y apreciarán cómo los avances tecnológicos han hecho que los LLM sean más accesibles para los usuarios no técnicos.
• Métodos de Implementación de LLM en Contabilidad
Al final del Módulo 2, los estudiantes comprenderán varios métodos para implementar LLM en contabilidad, incluidos UI, API, UI-RPA y API-RPA, y podrán evaluar sus ventajas y limitaciones. Desarrollarán la capacidad de elegir el enfoque de implementación más adecuado para diferentes tareas contables, teniendo en cuenta factores clave de integración. Además, obtendrán perspectivas sobre consideraciones prácticas y tomarán decisiones informadas sobre la adopción de LLM basadas en las necesidades organizativas y los recursos disponibles.
• Extracción de Datos Financieros de Fuentes No Estructuradas
Al final del Módulo 3, los estudiantes comprenderán los desafíos de extraer datos financieros de fuentes no estructuradas y explorarán los componentes y el flujo de trabajo de un marco de extracción de datos habilitado por LLM. Aprenderán a aplicar técnicas de ingeniería de indicaciones para mejorar la precisión de la extracción y reconocerán cómo el marco se puede adaptar a varios documentos financieros. Además, apreciarán los beneficios de eficiencia y precisión que los LLM aportan a la extracción de datos financieros.
• Evaluación del Desempeño del Marco
Al final del Módulo 4, los estudiantes podrán evaluar la precisión y eficiencia de un marco de extracción de datos habilitado por LLM e interpretar sus resultados en diferentes documentos financieros. Identificarán errores comunes de extracción y aplicarán estrategias para abordarlos mientras refinan las indicaciones para mejorar el rendimiento. Además, explorarán consideraciones para escalar el marco para manejar conjuntos de datos más grandes y diferentes LLM de manera efectiva.

---

Enseñado por

Huaxia Li

---

Asignaturas

Ciencias de la Computación