Kurzusleírás

A Felelős AI alapjai

  • Mi a felelős AI és miért fontos a szoftverfejlesztésben
  • Elvek: igazságosság, felelősség, átláthatóság és adatvédelem
  • Példák etikai hibákra és AI visszaélésekre a kódbázisokban

Torzítás és igazságosság az AI által generált kódban

  • Hogyan erősíthetik a LLM-ek a torzításokat a betanítási adatokon keresztül
  • Torzított vagy nem biztonságos kódjavaslatok észlelése és javítása
  • AI hallucináció és a hibák nagy léptékű bevezetésének kockázata

Licencelés, forrásmegjelölés és szellemi tulajdonnal kapcsolatos szempontok

  • A nyílt forráskódú licencek megértése (MIT, GPL, Copyleft)
  • Szükséges-e forrásmegjelölés az LLM által generált kimenetekhez?
  • Harmadik fél licencelési problémák ellenőrzése az AI-asszisztált kódban

Biztonság és megfelelőség az AI-asszisztált fejlesztésben

  • A kód biztonságának biztosítása és a nem biztonságos minták elkerülése az LLM-ektől
  • Megfelelőség a belső biztonsági irányelvekkel és iparági szabályozásokkal
  • Az AI-asszisztált döntéshozatal ellenőrizhető dokumentációja

Politika és irányítás a fejlesztőcsapatok számára

  • Belső AI-használati irányelvek létrehozása a szoftvercsapatok számára
  • Elfogadható használat és vörös zászlók meghatározása
  • Eszközök kiválasztása és a felelős bevezetése az AI asszisztenseknek

AI kimenetek értékelése és ellenőrzése

  • Ellenőrzőlista használata a generált tartalom megbízhatóságának értékeléséhez
  • Az AI által generált kód manuális és automatizált felülvizsgálata
  • Legjobb gyakorlatok a peer-review és az engedélyezési folyamatokhoz

Összefoglalás és következő lépések

Követelmények

  • Alapvető ismeretek a szoftverfejlesztési munkafolyamatokról
  • Ismeret az Agile, DevOps vagy általános szoftverprojekt gyakorlatokról

Közönség

  • Megfelelőségi csapatok
  • Fejlesztők
  • Szoftverprojektmenedzserek
 7 Órák

Résztvevők száma


Ár per résztvevő

Vélemények (2)

Közelgő kurzusok

Rokon kategóriák