آموزش مقدمه ای بر اخلاق داده ها و هوش مصنوعی
دانلود Intro to Data & AI Ethics
- در حال بارگزاری، لطفا صبر کنید...
داده‌ها و اخلاق هوش مصنوعی موضوعاتی هستند که بیشتر مدیران و متخصصان داده در مدرسه یا در محل کار یاد نمی‌گیرند.
اما با افزایش حجم داده‌ها و افزایش تأثیر الگوریتم‌های هوش مصنوعی ML، درک مفاهیم اخلاقی کار ما - و نحوه جلوگیری از کاهش خطاهای اخلاقی - مهم‌تر از همیشه است.
این دوره را با تعریف هوش مصنوعی و اخلاقیات داده شروع می‌کنیم، قبل از اینکه به معنای یک مباشر اخلاقی داده باشیم.
از آنجا، انواع سوگیری‌هایی را که می‌تواند در داده‌های شما وجود داشته باشد و اینکه چگونه می‌تواند در تحلیل‌ها و الگوریتم‌ها منتشر شود را بررسی خواهیم کرد، به گونه‌ای که نه تنها می‌تواند سوالات اخلاقی را مطرح کند، بلکه بر روی نتیجه شرکت شما نیز تأثیر منفی می‌گذارد. .
در مرحله بعد، به دنیای مدل‌های مدرن هوش مصنوعی و خطرات منحصر به فرد و نگرانی‌های اخلاقی ناشی از ابزارهای قدرتمند هوش مصنوعی مولد خواهیم پرداخت.
ما از مطالعات موردی برای برجسته کردن بحث‌های واقعی استفاده می‌کنیم، درباره نحوه کاهش خطر خطاهای اخلاقی بحث می‌کنیم، و از تمرین‌های فکری برای کمک به توسعه مهارت‌های پیش‌بینی، شناسایی و کاهش خطر نقص‌های اخلاقی در خود استفاده می‌کنیم. کار روزمره.
خلاصه دوره:
اخلاق داده 101
مفاهیم اساسی اخلاق را معرفی کنید و در مورد اینکه چگونه اخلاق داده با چارچوب های قانونی تنظیم کننده داده ها متفاوت است بحث کنید
مدیریت داده های اخلاقی
درک کنید که چگونه می توانید یک مباشر موثر داده ها باشید و مفاهیم اخلاقی جمع آوری و مدیریت داده های حساس را مرور کنید
تعصب الگوریتمی داده
نحوه شناسایی و کاهش اشکال رایج سوگیری، از جمله سوگیری نمونه‌برداری، انتخاب، الگوریتمی و تأیید را بیاموزید
تاثیر اخلاق هوش مصنوعی
به دنیای هوش مصنوعی شیرجه بزنید و چالش‌های اخلاقی منحصربه‌فرد را از نظر جمع‌آوری داده‌ها، سوگیری، و آسیب‌های اجتماعی بررسی کنید
__________
آماده شیرجه رفتن هستید؟ امروز بپیوندید و به موارد زیر دسترسی فوری و مادام العمر داشته باشید:
1.5 ساعت ویدیو با کیفیت بالا
6 مطالعه موردی در دنیای واقعی
9 تمرین فکری
4 آزمون دوره
کتاب الکترونیکی اخلاق هوش مصنوعی داده (بیش از 50 صفحه)
پشتیبانی تخصصی و انجمن پرسش و پاسخ
30 روز ضمانت رضایت Udemy
اگر به دنبال راهی منحصر به فرد و بسیار جذاب برای یادگیری در مورد داده ها و اخلاق هوش مصنوعی هستید، این دوره برای شما مناسب است.
یادگیری مبارک!
-Chris Bruehl (مدرس ارشد پایتون، متخصص علوم داده، Maven Analytics)
__________
به دنبال پشته کامل هوش تجاری ما هستید؟ برای مرور کتابخانه کامل دوره ما، از جمله Excel، Power BI، MySQL، Tableau و دوره های یادگیری ماشین، «Maven Analytics» را جستجو کنید!
ببینید چرا دوره‌های ما جزو برترین‌ها در Udemy هستند:
"برخی از بهترین دوره هایی که تا به حال گذرانده ام. چندین زبان برنامه نویسی، Excel، VBA و توسعه دهنده وب را مطالعه کرده ام، و Maven یکی از بهترین دوره هایی است که دیده ام!" Russ C.
"این چهارمین دوره من از Maven Analytics و چهارمین بررسی 5 ستاره من است، بنابراین چیزهایی برای گفتن تمام شده است. کاش Maven زودتر در زندگی من بود!" تاتسیانا ام.
"Maven Analytics باید استاندارد جدیدی برای تمام دوره های آموزش داده شده در Udemy شود!" یونا م.
شروع به کار Getting Started
-
معرفی دوره Course Introduction
-
ساختار و طرح کلی دوره Course Structure & Outline
-
مرا بخوانید: نکات مهم برای دانشجویان جدیدالورود READ ME: Important Notes for New Students
-
دانلود: منابع دوره DOWNLOAD: Course Resources
-
تعیین انتظارات Setting Expectations
اخلاق داده ها 101 Data Ethics 101
-
اخلاق چیست؟ What is Ethics?
-
مطالعه موردی: کمبریج آنالیتیکا CASE STUDY: Cambridge Analytica
-
اخلاق در مقابل قانون Ethics vs. Law
-
تمرین فکری: مشکل چرخ دستی THOUGHT EXERCISE: The Trolley Problem
-
خوراکی های کلیدی Key Takeaways
-
اخلاق داده ها 101 Data Ethics 101
مدیریت داده های اخلاقی Ethical Data Stewardship
-
مدیریت داده ها Data Stewardship
-
مطالعه موردی: OkCupid Dataset CASE STUDY: OkCupid Dataset
-
رضایت Consent
-
امنیت Security
-
حریم خصوصی و محرمانه بودن Privacy & Confidentiality
-
تمرین فکری: پایگاه داده های ژنتیکی THOUGHT EXERCISE: Genetic Databases
-
تمرین فکری: پایگاه داده رسانه های اجتماعی THOUGHT EXERCISE: Social Media Database
-
مقررات اخلاقی داده ها Data Ethics Regulations
-
خوراکی های کلیدی Key Takeaways
-
مدیریت داده های اخلاقی Ethical Data Stewardship
سوگیری داده ها و الگوریتمی Data & Algorithmic Bias
-
انواع تعصب Types of Bias
-
مطالعه موردی: مجموعه داده Eigenface CASE STUDY: The Eigenface Dataset
-
فرآیند آموزش مدل The Model Training Process
-
اثرات سوگیری داده ها Effects of Data Bias
-
تمرین فکری: نظرسنجی از مشتریان THOUGHT EXERCISE: Customer Survey
-
تعصب الگوریتمی Algorithmic Bias
-
مطالعه موردی: الگوریتم استخدام آمازون CASE STUDY: Amazon Hiring Algorithm
-
متغیرهای پروکسی Proxy Variables
-
تمرین فکری: متغیرهای پروکسی THOUGHT EXERCISE: Proxy Variables
-
پتانسیل آسیب الگوریتمی Algorithmic Harm Potential
-
شفافیت مدل Model Transparency
-
مبارزه با تعصب Combatting Bias
-
تمرین فکری: الگوریتم واکنش در بلایا THOUGHT EXERCISE: Disaster Response Algorithm
-
مطالعه موردی: الگوریتم تکرار جرم CASE STUDY: Recidivism Algorithm
-
قضاوت های اخلاقی الگوریتمی Algorithmic Moral Judgements
-
تمرین فکری: واگذاری آن به انسان THOUGHT EXERCISE: Leaving it to Humans
-
خوراکی های کلیدی Key Takeaways
-
سوگیری داده ها و الگوریتمی Data & Algorithmic Bias
اخلاق هوش مصنوعی AI Ethics
-
اخلاق هوش مصنوعی AI Ethics
-
مطالعه موردی: دعاوی حقوقی هنرمندان CASE STUDY: Artist Lawsuits
-
هوش مصنوعی مولد Generative AI
-
تمرین فکری: ویدیوی YouTube خالق THOUGHT EXERCISE: Creator YouTube Video
-
مطالعه موردی: بررسی محصولات هوش مصنوعی CASE STUDY: AI Product Reviews
-
توهم و تقلب Hallucinations & Fraud
-
تمرین فکری: شباهت به افراد مشهور THOUGHT EXERCISE: Celebrity Likeness
-
کاهش خطرات هوش مصنوعی Mitigating Risks of AI
-
خوراکی های کلیدی Key Takeaways
-
اخلاق هوش مصنوعی AI Ethics
بسته بندی Wrapping Up
-
درس جایزه BONUS LESSON
https://donyad.com/d/0441a0
Maven Analytics
برنده جایزه تجزیه و تحلیل و آموزش هوش تجاری
Chris Bruehl
مربی اصلی پایتون در Maven Analytics
نمایش نظرات