هرچه بیشتر به هوش مصنوعی (AI) و یادگیری ماشین (ML) تکیه کنیم، بیشتر به آن سیستمها نیاز داریم که قابل اعتماد و انعطافپذیر باشند. در این دوره آموزشی – که برای مهندسان ML، دانشمندان داده، شاغلین AppSec یا MLSec و رهبران کسب و کار طراحی شده است – به مدرس دایانا کلی بپیوندید تا با تمرکز بر تاثیرگذارترین مسائل امنیتی، مروری جامع از نحوه ایجاد امنیت در یادگیری ماشین و هوش مصنوعی ارائه دهد. استراتژی های پیشگیری با استفاده از چارچوب MLSecOps.
بررسی کنید که چگونه چرخه حیات MLOps با DevSecOps همپوشانی و همگرایی دارد تا دریابید که چگونه و کجا امنیت را می توان در خط لوله ML بافته کرد. دیانا به شما نشان میدهد که چگونه میتوانید مدلهای یادگیری ماشین را ایمن کنید، ارزیابیهای ریسک آگاه از هوش مصنوعی را انجام دهید، زنجیرههای تامین را ممیزی و پایش کنید، طرحهای واکنش به حادثه را اجرا کنید، و تیم رویایی MLSecOps خود را بسازید. در پایان این دوره، شما آماده خواهید بود که به افراد و سازمان ها کمک کنید تا در مورد ایمن سازی سیستم های هوش مصنوعی و ML خود فعال تر باشند.
CTO و Coflounding SecurityCurve
نمایش نظرات