Kurzusleírás

Felelősséges AI alapjai

  • Mi az a felelősséges AI és miért fontos a szoftverfejlesztésben
  • Elvek: igazságosság, felelősség, átláthatóság és privátosság
  • Etikai kudarcok és AI-használati példák kódbázisokban

Elhajlás és igazságosság AI által generált kódban

  • Hogyan erősítheti meg az LLM az elhajlást a tanítási adatokon keresztül
  • Elhajlást vagy veszélyes kódjavaslatok detektálása és enyhítése
  • AI-hallucináció és az események skálázott bevezetésének kockázata

Licenc, Attribúció és IP-kérdések

  • Nyílt forráskódú licencek (MIT, GPL, Copyleft) megértése
  • Szükséges-e attribúció LLM által generált kimenetekhez?
  • Harmadik féltől származó licencproblémák felmérése AI segítségével generált kódban

Biztonság és Elemzések AI segítségű fejlesztésben

  • Biztonságos kód biztosítása és LLM-ek által származó biztonságos minta elkerülése
  • Biztonsági irányelvek és ipari szabályok betartása
  • AI segítségű döntéshozatal dokumentációjának ellenőrizhető dokumentációja

Politika és Go kormányzati intézkedések fejlesztőcsapatok számára

  • Belső AI-használati politikák létrehozása szoftvercsapatok számára
  • Megfogható használat és vörös zászlók meghatározása
  • Eszköz kiválasztás és felelősséges AI-asszisztensek bevezetése

AI-kimenetek értékelése és auditálása

  • Ellenőrzési listák használata a generált tartalom bizalommélységének értékeléséhez
  • AI által generált kód manuális és automatizált vizsgálata
  • Tudományos megközelítések a társbírálati és aláírási folyamatokhoz

Összegzés és Következő lépések

Követelmények

  • Szoftverfejlesztési munkafolyamatok alapvető ismerete
  • Ismeret Agile, DevOps vagy általános szoftverprojektek gyakorlatával

Célközönség

  • Egyeztető csapatok
  • Fejlesztők
  • Szoftverprojektek menedzserei
 7 Órák

Résztvevők száma


Ár résztvevőnként

Közelgő kurzusok

Rokon kategóriák