آموزش متخصص حکمرانی هوش مصنوعی - آخرین آپدیت

سرفصل ها و درس ها

مقدمه دوره و مروری بر گواهینامه AIGP Course Introduction & AIGP Certification Overview

• راهنمای مطالعه متخصص حکمرانی هوش مصنوعی (AIGP) Artificial Intelligence Governance Professional (AIGP) Study Guide

• راهنمای مطالعه AIGP (منبع قابل دانلود) AIGP Study Guide (Downloadable Resource)

• گواهینامه AIGP چیست؟ What Is the AIGP Certification

• چرا AIGP؟ Why AIGP?

• تبدیل شدن به یک متخصص حکمرانی هوش مصنوعی خبره – ایفای نقش Becoming a Certified AI Governance Professional – Role Play

• ساختار و حوزه‌های آزمون AIGP AIGP Exam Structure and Domains

• تفکیک حوزه‌های آزمون AIGP – کمک به همکار برای درک تمرکز AIGP Exam Domains Breakdown – Helping a Colleague Understand What to Focus On

• چه کسانی باید این دوره را بگذرانند Who Should Take This Course

• چه کسانی باید بپیوندند؟ – ارزیابی نامزدها برای گواهینامه AIGP Who Should Join? – Evaluating Candidates for AIGP Certification

• قالب دوره و اهداف یادگیری Course Format and Learning Objectives

• ساختار دوره – کمک به مشاور حریم خصوصی برای آماده‌سازی آزمون AIGP Course Structure – Helping a Privacy Consultant Prepare for the AIGP Exam

دامنه I — درک مبانی حکمرانی هوش مصنوعی Domain I — Understanding the foundations of AI governance

• مرور ماژول - مبانی حکمرانی هوش مصنوعی Module Overview - Foundations of AI Governance

• هوش مصنوعی چیست و چرا حکمرانی اهمیت دارد What Is AI and Why Governance Matters

• طبقه‌بندی موارد استفاده از هوش مصنوعی – ارزیابی یک ابزار هوش مصنوعی مولد Classify AI Use Cases – Evaluating a Generative AI Tool

• درک انواع هوش مصنوعی و روش‌های یادگیری Understanding Types of AI and Learning Methods

• انتخاب نوع یادگیری – توصیه یک رویکرد ML و پادمان‌های حکمرانی Select Learning Type – Recommending an ML Approach and Governance Safeguards

• چه چیزی هوش مصنوعی را از نرم‌افزارهای سنتی متمایز می‌کند What Makes AI Different from Traditional Software

• توضیح خروجی احتمالی – پاسخ به نگرانی رگولاتور در مورد قابلیت توضیح Explain Probabilistic Output – Responding to a Regulator’s Concern About Explainability

• ممیزی یک مدل در حال تکامل – تضمین پاسخگویی در سیستم‌های هوش مصنوعی انطباقی Audit an Evolving Model – Ensuring Accountability in Adaptive AI Systems

• درک ریسک‌های هوش مصنوعی و آسیب‌های اجتماعی Understanding AI Risks and Societal Harms

• پاسخ به آسیب عمومی – مدیریت بحران حکمرانی هوش مصنوعی Respond to Public Harm – Managing an AI Governance Crisis

• ارزیابی ریسک سوگیری – رسیدگی به عدم موفقیت در انصاف در یک سیستم هوش مصنوعی منابع انسانی Bias Risk Assessment – Addressing Fairness Failures in an HR AI System

• اصول اساسی راهنمای هوش مصنوعی مسئولانه Core Principles Guiding Responsible AI

• شبیه‌سازی بازبینی اخلاقی – ارزیابی یک پیشنهاد هوش مصنوعی پرخطر Ethics Review Simulation – Evaluating a High-Risk AI Proposal

• اعمال اصول در مورد استفاده – ارزیابی یک پیشنهاد هوش مصنوعی نظارتی مدارس Apply Principles in Use Case – Evaluating a School Surveillance AI Proposal

• تعریف نقش‌های کلیدی در حکمرانی هوش مصنوعی Defining Key Roles in AI Governance

• رفع شکاف‌های پاسخگویی – شناسایی شکست‌های حکمرانی پس از یک حادثه هوش مصنوعی Resolve Accountability Gaps – Identifying Governance Failures After an AI Incident

• نقشه‌برداری ذینفعان به نقش‌ها – شفاف‌سازی ارائه‌دهنده، استقراردهنده و کاربر در یک اکوسیستم هوش مصنوعی چندفروشنده‌ای Map Stakeholders to Roles – Clarifying Provider, Deployer, and User in a Multi-Vendor AI Ecosystem

• سازماندهی تیم‌های حکمرانی هوش مصنوعی مؤثر Organizing Effective AI Governance Teams

• تشخیص عدم موفقیت در هماهنگی – رفع شکاف‌های بین‌بخشی در حکمرانی هوش مصنوعی Diagnose a Coordination Failure – Fixing Cross-Functional Gaps in AI Governance

• تشکیل کمیته حکمرانی – ساخت یک تیم هوش مصنوعی مسئولانه بین‌بخشی Form a Governance Committee – Building a Cross-Functional Responsible AI Team

• ایجاد فرهنگ آگاهی از حکمرانی هوش مصنوعی Building a Culture of AI Governance Awareness

• طراحی آموزش مبتنی بر نقش – قابلیت توضیح و رضایت برای مدیران محصول Design Role-Based Training – Explainability & Consent for Product Managers

• شبیه‌سازی شکاف‌های آگاهی – اصلاح سوء استفاده و بهبود سواد هوش مصنوعی Simulate Awareness Gaps – Correcting Misuse and Improving AI Literacy

• تطبیق حکمرانی هوش مصنوعی با نیازهای سازمانی Adapting AI Governance to Fit Organizational Needs

• شبیه‌سازی طبقه‌بندی ریسک – ارزیابی ریسک هوش مصنوعی تحت قانون هوش مصنوعی اتحادیه اروپا Risk Classification Simulation – Evaluating AI Risk Under the EU AI Act

• مقایسه استراتژی‌های حکمرانی – مشاوره فین‌تک در برابر تجارت الکترونیک در مورد حکمرانی هوش مصنوعی متناسب Compare Governance Strategies – Advising FinTech vs. eCommerce on Proportional AI Governance

• شفاف‌سازی نقش‌ها در سراسر چرخه حیات هوش مصنوعی Clarifying Roles Across the AI Lifecycle

• شفاف‌سازی ابهام نقش – آیا شما ارائه‌دهنده هستید یا استقراردهنده؟ Clarify Role Confusion – Are You the Provider or the Deployer ?

• اعمال حکمرانی در سراسر چرخه حیات هوش مصنوعی Applying Governance Across the AI Lifecycle

• شناسایی کنترل‌های مفقود – رفع کمبود نظارت پس از بازار قبل از استقرار Identify Missing Controls – Fixing the Lack of Post-Market Monitoring Before Deployment

• شبیه‌سازی سیاست بر اساس فاز – کنترل‌های حکمرانی برای یک چت‌بات هوش مصنوعی جدید Policy-by-Phase Simulation – Governance Controls for a New AI Chatbot

• تخصیص وظایف پس از استقرار – مسئولیت‌های نظارت و ثبت وقایع Assign Post-Deployment Duties – Monitoring and Logging Responsibilities

• تکامل سیاست‌های حریم خصوصی و امنیتی برای سیستم‌های هوش مصنوعی Evolving Privacy and Security Policies for AI Systems

• پاسخ به حمله معکوس مدل – کاهش افشای داده‌های حساس Respond to Model Inversion Attack – Mitigating Sensitive Data Exposure

• انجام یک DPIA هوش مصنوعی – ارزیابی یک ابزار هوش مصنوعی پیش‌بینی‌کننده مراقبت‌های بهداشتی Conduct an AI DPIA – Evaluating a Predictive Healthcare AI Tool

• حکمرانی فروشندگان هوش مصنوعی و زنجیره‌های تأمین Governance of AI Vendors and Supply Chains

• ممیزی یک API شخص ثالث – ارزیابی انصاف، قابلیت توضیح و انطباق Audit a Third-Party API – Evaluating Fairness, Explainability, and Compliance

• شبیه‌سازی ورود فروشنده – تأیید یا رد هوش مصنوعی بدون مستندات Vendor Onboarding Simulation – Approving or Rejecting AI Without Documentation

• مطالعه موردی: چگونه تلسترا یک برنامه هوش مصنوعی مسئولانه ساخت Case Study How Telstra Built a Responsible AI Program

• ساخت یک مدل حکمرانی شبیه تلسترا – طراحی یک کمیته هوش مصنوعی مسئولانه Build a Telstra-Like Governance Model – Designing a Responsible AI Committee

• مطالعه موردی: اصول هوش مصنوعی بایدو در یک اکوسیستم پرخطر Case Study Baidu’s AI Principles in a High-Risk Ecosystem

• ارزیابی یک اصل هوش مصنوعی شرکتی – آیا باید از مدل بایدو به عنوان الگو استفاده کنید؟ valuate a Corporate AI Principle – Should You Use Baidu’s Model as a Template

• خلاصه‌سازی هم‌راستایی چارچوب حکمرانی – توضیح NIST، ISO 42001 و OECD Summarize Governance Framework Alignment – NIST, ISO 42001, and OECD Explained

• آزمون: مبانی حکمرانی هوش مصنوعی (ماژول 1 / دامنه I) Quiz: Foundations of AI Governance (Module 1 / Domain I)

• شبیه‌سازی آمادگی برای گواهینامه – آزمون شفاهی آزمایشی AIGP Certification Prep Simulation – Mock AIGP Oral Exam

• ایفای نقش مصاحبه 1: چالش چرخه حیات حکمرانی در دنیای واقعی Interview Role Play 1: Real-World Governance Lifecycle Challenge

دامنه 2 - ماژول 2: قوانین، استانداردها و چارچوب‌ها برای هوش مصنوعی Domain 2 - Module 2: Laws, Standards, and Frameworks for AI

• درک قوانین حریم خصوصی در بستر هوش مصنوعی Understanding Privacy Laws in the AI Context

• رسیدگی به بازبینی انطباق GDPR برای یک سیستم استخدام هوش مصنوعی Handling a GDPR Compliance Review for an AI Hiring System

• پاسخ به درخواست انصراف CCPA در توصیه‌های مبتنی بر هوش مصنوعی Responding to a CCPA Opt-Out Request on AI-Powered Recommendations

• ارائه یک DPIA برای یک ابزار جدید هوش مصنوعی سلامت Presenting a DPIA for a New Health AI Tool

• مدیریت تحقیقات نقض حریم خصوصی شامل هوش مصنوعی تشخیص چهره Managing a Privacy Breach Investigation Involving Facial Recognition AI

• چالش‌های رضایت و شفافیت در هوش مصنوعی Consent and Transparency Challenges in AI

• آماده‌سازی یک شبیه‌سازی آزمون گواهینامه – پرچم‌های قرمز رضایت و هدف Preparing a Certification Exam Simulation – Consent and Purpose Red Flags

• وظایف قانونی اصلی کنترل‌کننده‌های داده هوش مصنوعی Core Legal Duites of AI Data Controllers

• ارزیابی آمادگی کنترل‌کننده برای ریسک هوش مصنوعی و انتقال داده Assessing Controller Readiness for AI Risk and Data Transfers

• حکمرانی استفاده از داده‌های شخصی حساس توسط هوش مصنوعی Governing AI Use of Sensitive Personal Data

• تمرین گواهینامه – مدیریت استفاده هوش مصنوعی از داده‌های دسته ویژه Certification Drill – Managing AI Use of Special Category Data

• چالش‌های مالکیت فکری در عصر سیستم‌های هوش مصنوعی IP Challenges in the Age of AI Systems

• آمادگی برای گواهینامه – ریسک‌های مالکیت فکری در هوش مصنوعی Certification Prep – Intellectual Property Risks in AI

• قوانین ضد تبعیض و پاسخگویی هوش مصنوعی Anti-Discrimination Laws and AI Accountability

• شبیه‌سازی گواهینامه – شناسایی و کاهش ریسک‌های تبعیض هوش مصنوعی Certification Simulation – Identifying and Mitigating AI Discrimination Risks

• هوش مصنوعی و قوانین حمایت از مصرف‌کننده AI and Consumer Protection Laws

• بازبینی سناریوی گواهینامه – هوش مصنوعی و اقدامات ناعادلانه مصرف‌کننده Certification Scenario Review – AI and Unfair Consumer Practices

• هوش مصنوعی و قوانین در حال تکامل مسئولیت محصول AI and Evolving Product Liability Laws

• بازبینی سناریوی گواهینامه – مسئولیت محصول هوش مصنوعی و انتساب ریسک Certification Scenario Review – AI Product Liability and Risk Attribution

• درک دامنه و ساختار قانون هوش مصنوعی اتحادیه اروپا Understanding the Scope and Structure of the EU AI Act

• تمرین گواهینامه – تعیین دامنه سیستم‌های هوش مصنوعی تحت قانون هوش مصنوعی اتحادیه اروپا Certification Drill – Scoping AI Systems Under the EU AI Act

• چگونه قانون هوش مصنوعی اتحادیه اروپا، هوش مصنوعی را بر اساس ریسک دسته‌بندی می‌کند How the EU AI Act Categorizes AI by Risk

• تمرین گواهینامه – طبقه‌بندی ریسک هوش مصنوعی تحت قانون هوش مصنوعی اتحادیه اروپا Certification Drill – Classifying AI Risk Under the EU AI Act

• تعهدات انطباق بر اساس رده ریسک هوش مصنوعی Compliance Obligations Based on AI Risk Tier

• شبیه‌سازی گواهینامه – انطباق با تعهدات هوش مصنوعی پرخطر و با ریسک محدود Certification Simulation – Complying with High- and Limited-Risk AI Obligations

• اجرای قانون هوش مصنوعی اتحادیه اروپا و چارچوب جریمه Enforcement of the EU AI Act and Penalty Framework

• شبیه‌سازی گواهینامه – اجرای قانون هوش مصنوعی اتحادیه اروپا و تحلیل ریسک جریمه Certification Simulation – EU AI Act Enforcement and Penalty Risk Analysis

• مسئولیت‌های قانونی بر اساس نقش بازیگران Legal Responsibilities Based on Actor Roles

• تمرین سناریوی گواهینامه – نقشه‌برداری نقش‌های ارائه‌دهنده، استقراردهنده و واردکننده Certification Scenario Drill – Mapping Provider, Deployer, and Importer Roles

• اصول هوش مصنوعی OECD و دستورالعمل‌های بین‌المللی OECD AI Principles and International Guidelines

• چارچوب مدیریت ریسک هوش مصنوعی NIST (RMF) The NIST AI Risk Management Framework (RMF)

• ISO/IEC 42001: استاندارد سیستم مدیریت هوش مصنوعی ISO/IEC 42001: AI Management System Standard

• یونسکو و بیانیه‌های اخلاقی جهانی در مورد هوش مصنوعی UNESCO and Global Ethical Declarations on AI

• درک NIST ARIA برای پروفایل‌سازی ریسک هوش مصنوعی Understanding NIST ARIA for AI Risk Profiling

• ایجاد واژگان ثابت هوش مصنوعی Establishing Consistent AI Terminology

• استانداردهای هوش مصنوعی خاص صنعت و جهانی Industry-Specific and Global AI Standards

• خلاصه قوانین، استانداردها و چارچوب‌های هوش مصنوعی Summary of AI Laws, Standards, and Frameworks

• آزمون برای دامنه 2 - قوانین، استانداردها و چارچوب‌ها برای هوش مصنوعی Quiz for Domain 2 - Laws, Standards, and Frameworks for AI

دامنه 3 - ماژول 3: ریسک، پاسخگویی و مدیریت تأثیر Domain 3 - Module 3: Risk, Accountability, and Impact Management

• تعریف ریسک و آسیب در حکمرانی هوش مصنوعی Defining Risk and Harm in AI Governance

• شناسایی سناریوهای آسیب هوش مصنوعی در دسته‌های ریسک مختلف Identifying AI Harm Scenarios Across Risk Categories

• ارزیابی ریسک هوش مصنوعی و مدل‌های طبقه‌بندی AI Risk Assessment and Classification Models

• مشاوره در مورد طبقه‌بندی ریسک برای یک هوش مصنوعی پیش‌بینی‌کننده مراقبت‌های بهداشتی Advising on Risk Classification for a Predictive Healthcare AI

• ساخت استراتژی‌های کاهش ریسک و کنترل برای هوش مصنوعی Building Risk Mitigation and Control Strategies for AI

• لایه‌بندی کنترل‌های کاهش ریسک برای یک سیستم هوش مصنوعی پرخطر Layering Mitigation Controls for a High-Risk AI System

• توانمندسازی جبران خسارت و نظارت در سیستم‌های هوش مصنوعی Enabling Redress and Oversight in AI Systems

• ایجاد جبران خسارت و نظارت برای هوش مصنوعی در صلاحیت مسکن Establishing Redress and Oversight for AI in Housing Eligibility

• ساختاردهی مستندات برای ریسک و حکمرانی هوش مصنوعی Structuring Documentation for AI Risk and Governance

• ساختاردهی هیئت‌های حکمرانی هوش مصنوعی و تیم‌های مشارکتی Structuring AI Governance Boards and Collaborative Teams

• مطالعه موردی: چارچوب حکمرانی ریسک مدل IBM Case Study: IBM’s Model Risk Governance Framework

• کنترل‌های عملیاتی و امنیتی در توسعه مدل هوش مصنوعی Operational and Security Controls in AI Model Development

• جاسازی مدیریت ریسک در طراحی مدل هوش مصنوعی Embedding Risk Management into AI Model Design

• مبانی حکمرانی داده در توسعه هوش مصنوعی Data Governance Foundations in AI Development

• ردیابی منشأ و سابقه داده در سیستم‌های هوش مصنوعی Tracking Data Lineage and Provenance in AI Systems

• ساختاردهی آموزش و تست هوش مصنوعی برای حکمرانی Structuring AI Training and Testing for Governance

• مدیریت خطاها و ناهنجاری‌ها در توسعه مدل هوش مصنوعی Handling Errors and Anomalies in AI Model Development

• ثبت و مدیریت مستندات آموزش و تست هوش مصنوعی Capturing and Managing AI Training and Testing Documentation

• ارزیابی سیستم‌های هوش مصنوعی برای انتشار و افشا Evaluating AI Systems for Release and Disclosure

• نظارت بر سیستم‌های هوش مصنوعی پس از استقرار Monitoring AI Systems Post-Deployment

• ممیزی و تست استرس سیستم‌های هوش مصنوعی برای پایداری Auditing and Stress Testing AI Systems for Robustness

• مدیریت مسئولانه حوادث و شکست‌های هوش مصنوعی Managing AI Incidents and Failures Responsibly

• توانمندسازی همکاری مداوم ذینفعان پس از هوش مصنوعی Enabling Ongoing Stakeholder Collaboration After AI

• تضمین شفافیت هوش مصنوعی و افشاهای نظارتی Ensuring AI Transparency and Regulatory Disclosures

• خلاصه حکمرانی ریسک و پاسخگویی هوش مصنوعی Summary of AI Risk and Accountability Governance

• ممیزی حکمرانی مستندات تشخیص چهره Governance Audit of Facial Recognition Documentation

• آزمون دامنه III Domain III Quiz

دامنه 4 - ماژول 4: نگرانی‌های امنیت سایبری و حریم خصوصی داده‌ها Domain 4 - Module 4: Cybersecurity and Data Privacy Concerns

• درک آمادگی استقرار و هم‌راستایی موارد استفاده Understanding Deployment Readiness and Use Case Alignment

• تطبیق انواع مدل‌های هوش مصنوعی با نیازهای استقرار Matching AI Model Types to Deployment Needs

• گزینه‌های استقرار: ابری، لبه، و ملاحظات تنظیم دقیق Deployment Options: Cloud, Edge, and Fine-Tuning Considerations

• بازبینی ریسک استقرار یک ابزار هوش مصنوعی میزبانی شده در فضای ابری Deployment Risk Review of a Cloud-Hosted AI Tool

• ارزیابی تأثیر پیش از استقرار Pre-Deployment Impact Assessment

• آمادگی حمله خصمانه در یک سیستم هوش مصنوعی مراقبت‌های بهداشتی Adversarial Attack Readiness in a Healthcare AI System

• بازبینی حقوقی و قراردادی (فروشنده/مجوز) Legal and Contractual Review (Vendor/License)

• ارزیابی امنیت مدل فروشنده قبل از تهیه Vendor Model Security Evaluation Before Procurement

• حکمرانی برای مدل‌های اختصاصی در برابر اجزای شخص ثالث Governance for Proprietary Models vs. Third-Party Components

• بازبینی ریسک پیش از قرارداد برای APIهای شخص ثالث در یک سیستم هوش مصنوعی Pre-Contract Risk Review for Third-Party APIs in an AI System

• اعمال سیاست‌ها در استقرار (عملیات، آموزش) Applying Policies in Deployment (Operations, Training)

• نظارت بر امنیت و عملکرد پس از استقرار Security and Performance Monitoring After Deployment

• مدیریت حوادث در استقرار Incident Management in Deployment

• برنامه‌ریزی شبیه‌سازی تیم قرمز برای یک هوش مصنوعی پرخطر Red Teaming Simulation Planning for a High-Risk AI

• پیشگیری از سوء استفاده و مدیریت آسیب‌های ثانویه هوش مصنوعی Preventing Misuse and Managing Secondary AI Harms

• راهنمای گام به گام پاسخ به حادثه: شکست هوش مصنوعی در ابزار تأیید وام Incident Response Walkthrough: AI Failure in a Loan Approval Tool

• شفافیت و ارتباطات خارجی Transparency and External Communication

• بازبینی شفافیت و قابلیت توضیح با افسر انطباق Transparency and Explainability Review with Compliance Officer

• برنامه‌ریزی اضطراری و کنترل‌های غیرفعال‌سازی Contingency Planning and Deactivation Controls

• سوگیری و انصاف در استقرار Bias and Fairness in Deployment

• تشخیص سوگیری و کنترل‌های انصاف در استقرار Bias Detection and Fairness Controls in Deployment

• انطباق در استقرار (نظارت پس از بازار) Compliance in Deployment (Post-Market Monitoring)

• برنامه نظارت و بازآموزی برای تغییر مفهوم Monitoring and Retraining Plan for Concept Drift

• ایمنی هوش مصنوعی و تأثیر اجتماعی AI Safety and Societal Impact

• بررسی هم‌راستایی نظارتی برای شیوه‌های نظارت بر مدل Regulatory Alignment Check for Model Monitoring Practices

• بازبینی دوره‌ای و تست امنیت Periodic Review and Security Testing

• دامنه 4: نگرانی‌های امنیت سایبری و حریم خصوصی داده‌ها Domain 4 : Cybersecurity and Data Privacy Concerns

مروری: اعمال قوانین، استانداردها و چارچوب‌ها بر هوش مصنوعی Overview: Applying Laws, Standards, and Frameworks to AI

• قوانین، استانداردها و چارچوب‌ها برای هوش مصنوعی Laws, Standards, and Frameworks to AI

• مالکیت فکری و قوانین تبعیض هوش مصنوعی Intellectual Property and AI Discrimination Laws

• قانون هوش مصنوعی اتحادیه اروپا: طبقه‌بندی ریسک‌ها و انطباق The EU AI Act: Risk Classifications and Compliance

• چارچوب‌های حکمرانی جهانی هوش مصنوعی (NIST, OECD, ISO 42001) Global AI Governance Frameworks (NIST, OECD, ISO 42001)

• NIST ARIA و چارچوب‌های حکمرانی ISO NIST ARIA and ISO Governance Frameworks

• مقررات نوظهور هوش مصنوعی ایالات متحده Emerging U.S. AI Regulations

• اعمال قوانین، استانداردها و چارچوب‌ها بر هوش مصنوعی Applying Laws, Standards, and Frameworks to AI

حکمرانی توسعه هوش مصنوعی Governing AI Development

• آنچه در این بخش انتظار می‌رود What to Expect in This Section

• طراحی اخلاقی هوش مصنوعی و کاهش ریسک Ethical AI Design and Risk Mitigation

• حکمرانی داده در آموزش و تست هوش مصنوعی Data Governance in AI Training and Testing

• مدیریت ریسک‌ها در طول توسعه هوش مصنوعی Managing Risks During AI Development

• مستندسازی و انطباق در توسعه هوش مصنوعی Documentation and Compliance in AI Development

• حکمرانی در طول بازآموزی هوش مصنوعی و نظارت بر فروشنده Governance During AI Retraining and Vendor Oversight

• حکمرانی هوش مصنوعی شخص ثالث Third-Party AI Governance

• نتیجه‌گیری: حکمرانی توسعه هوش مصنوعی Conclusion: Governing AI Development

• حکمرانی توسعه هوش مصنوعی Governing AI Development

مروری: حکمرانی استقرار و استفاده از هوش مصنوعی Overview: Governing AI Deployment and Use

• آنچه در این بخش انتظار می‌رود What to Expect in This Section

• ارزیابی ریسک‌ها و آمادگی استقرار Assessing Deployment Risks and Readiness

• نظارت و نگهداری هوش مصنوعی پس از استقرار Monitoring and Maintaining AI Post-Deployment

• حکمرانی هوش مصنوعی فروشنده و شخص ثالث Vendor and Third-Party AI Governance

• مدیریت حادثه و غیرفعال‌سازی هوش مصنوعی Incident Management and AI Deactivation

• دمو 1: Vision Studio - تحلیل تصویر و ویدئو Demo 1: Vision Studio - Image and Video Analysis

• پاسخ به حادثه و حکمرانی چرخه حیات برای هوش مصنوعی Incident Response and Lifecycle Governance for AI

• حکمرانی داده هوش مصنوعی و منشأ آن AI Data Governance and Provenance

• دمو 2: Language Studio - تحلیل متن -1 Demo 2: Language Studio - Text Analysis -1

• دمو 3: Language Studio - تحلیل متن -2 Demo 3: Language Studio - Text Analysis -2

• حکمرانی فروشندگان هوش مصنوعی شخص ثالث و زنجیره‌های تأمین Governing Third-Party AI Vendors and Supply Chains

• حکمرانی استقرار و استفاده از هوش مصنوعی Governing AI Deployment and Use

مروری: حکمرانی چرخه حیات هوش مصنوعی Overview: AI Lifecycle Governance

• آنچه در این بخش انتظار می‌رود What to Expect in This Section

• نقاط تماس حکمرانی در سراسر چرخه حیات هوش مصنوعی Governance Touchpoints Across the AI Lifecycle

• کاهش ریسک در سراسر چرخه حیات هوش مصنوعی Risk Mitigation Across the AI Lifecycle

• حکمرانی چرخه حیات برای سیستم‌های هوش مصنوعی شخص ثالث و خارجی Lifecycle Governance for Third-Party and External AI Systems

• نتیجه‌گیری بخش – نکات کلیدی Section Conclusion – Key Takeaways

• حکمرانی چرخه حیات هوش مصنوعی AI Lifecycle Governance

پیاده‌سازی زیرساخت حکمرانی هوش مصنوعی Implementing AI Governance Infrastructure

• آنچه در این بخش انتظار می‌رود What to Expect in This Section

• ساخت تیم‌های حکمرانی هوش مصنوعی و تخصیص مسئولیت‌ها Building AI Governance Teams and Assigning Responsibilities

• تست و اعتبارسنجی مدل‌های هوش مصنوعی Testing and Validating AI Models

• نظارت بر مدل‌های هوش مصنوعی پس از استقرار Monitoring AI Models Post-Deployment

• ممیزی‌های پس از استقرار و مدیریت حوادث هوش مصنوعی Post-Deployment Audits and AI Incident Management

• منشأ داده هوش مصنوعی و چارچوب‌های حکمرانی AI Data Provenance and Governance Frameworks

• حکمرانی چرخه حیات هوش مصنوعی و نظارت پس از استقرار AI Lifecycle Governance and Post-Deployment Monitoring

• نتیجه‌گیری – نکات کلیدی Conclusion – Key Takeaways

• زیرساخت حکمرانی هوش مصنوعی AI Governance Infrastructure

مدیریت ریسک و ساختارهای حکمرانی هوش مصنوعی AI Risk Management and Governance Structures

• آنچه در این بخش است What is in the Section

• طراحی چارچوب‌های مدیریت ریسک هوش مصنوعی Designing AI Risk Management Frameworks

• هم‌راستایی مدیریت ریسک هوش مصنوعی با سیاست‌های انطباق و نظارتی Aligning AI Risk Management with Compliance and Regulatory Policies

• ایجاد پاسخگویی در مدیریت ریسک هوش مصنوعی Building Accountability in AI Risk Management

• نتیجه‌گیری بخش – نکات کلیدی Section Conclusion – Key Takeaways

• مدیریت ریسک و حکمرانی هوش مصنوعی AI Risk Management & Governance

معیارهای حکمرانی هوش مصنوعی و شاخص‌های عملکرد AI Governance Metrics and Performance Indicators

• آنچه در این بخش انتظار می‌رود What to Expect in This Section

• تعریف معیارهای عملکرد حکمرانی هوش مصنوعی Defining AI Governance Performance Metrics

• نظارت بر KPIهای حکمرانی هوش مصنوعی و تنظیم برای بهبود Monitoring AI Governance KPIs and Adjusting for Improvement

• گزارش‌دهی معیارهای حکمرانی هوش مصنوعی به ذینفعان Reporting AI Governance Metrics to Stakeholders

• نتیجه‌گیری بخش – نکات کلیدی Section Conclusion – Key Takeaways

• معیارها و KPIهای حکمرانی هوش مصنوعی AI Governance Metrics & KPIs

مروری: چارچوب‌های حکمرانی جهانی هوش مصنوعی Overview: Global AI Governance Frameworks

• آنچه در این بخش انتظار می‌رود What to Expect in This Section

• مروری بر چارچوب‌های کلیدی حکمرانی جهانی هوش مصنوعی Overview of Key Global AI Governance Frameworks

• تطبیق چارچوب‌های حکمرانی جهانی با سیاست‌های هوش مصنوعی سازمانی Adapting Global Governance Frameworks to Organizational AI Policies

• غلبه بر چالش‌های حکمرانی هوش مصنوعی فرامرزی Overcoming Cross-Border AI Governance Challenges

• نتیجه‌گیری بخش – نکات کلیدی Section Conclusion – Key Takeaways

مروری: حکمرانی هوش مصنوعی برای فناوری‌های نوظهور Overview: AI Governance for Emerging Technologies

• آنچه در این بخش انتظار می‌رود What to Expect in This Section

• حکمرانی هوش مصنوعی مولد و مدل‌های زبان بزرگ Governing Generative AI and Large Language Models

• دمو 4: Azure OpenAI - هوش مصنوعی مولد Demo 4: Azure OpenAI - Generative AI

• حکمرانی سیستم‌های هوش مصنوعی خودکار Governing Autonomous AI Systems

• حکمرانی هوش مصنوعی در فناوری‌های نوظهور مراقبت‌های بهداشتی Governing AI in Emerging Healthcare Technologies

• نتیجه‌گیری بخش – نکات کلیدی Section Conclusion – Key Takeaways

مروری: آینده حکمرانی هوش مصنوعی Overview: The Future of AI Governance

• آنچه در این بخش انتظار می‌رود What to Expect in This Section

• روندهای شکل‌دهنده آینده حکمرانی هوش مصنوعی Trends Shaping the Future of AI Governance

• نقش حکمرانی هوش مصنوعی در بازارهای نوظهور The Role of AI Governance in Emerging Markets

• حکمرانی اخلاقی هوش مصنوعی و مسئولیت جهانی Ethical AI Governance and Global Responsibility

• نتیجه‌گیری بخش – نکات کلیدی Section Conclusion – Key Takeaways

مروری: مطالعات موردی حکمرانی هوش مصنوعی Overview: AI Governance Case Studies

• آنچه در این بخش انتظار می‌رود What to Expect in This Section

• حکمرانی هوش مصنوعی در خدمات مالی AI Governance in Financial Services

• حکمرانی هوش مصنوعی در فناوری‌های بهداشتی و پزشکی AI Governance in Healthcare and Medical Technologies

• حکمرانی هوش مصنوعی در حمل‌ونقل خودران AI Governance in Autonomous Transportation

• حکمرانی هوش مصنوعی در شهرهای هوشمند و زیرساخت‌های شهری AI Governance in Smart Cities and Urban Infrastructure

• نتیجه‌گیری بخش – نکات کلیدی Section Conclusion – Key Takeaways

آزمون‌های عملی Practice Tests

• آزمون عملی متخصص حکمرانی هوش مصنوعی Artificial Intelligence Governance Professional Practice Test

• آزمون عملی 2 متخصص حکمرانی هوش مصنوعی Artificial Intelligence Governance Professional Practice Test 2

سؤالات مصاحبه AIGP AIGP Interview Questions

• مصاحبه در مورد چارچوب‌ها و اصول حکمرانی هوش مصنوعی Interview on AI Governance Frameworks and Principles

• مصاحبه در مورد مسیریابی مقررات جهانی هوش مصنوعی Interview on Navigating Global AI Regulations

• مصاحبه در مورد پیاده‌سازی شیوه‌های هوش مصنوعی مسئولانه Interview on Implementing Responsible AI Practices

• مصاحبه در مورد مدیریت و کاهش ریسک هوش مصنوعی Interview on AI Risk Management and Mitigation

• مصاحبه در مورد ملاحظات اخلاقی در استقرار هوش مصنوعی Interview on Ethical Considerations in AI Deployment

• مصاحبه در مورد مدیریت چرخه حیات هوش مصنوعی Interview on AI Lifecycle Management

• مصاحبه در مورد مشارکت ذینفعان در پروژه‌های هوش مصنوعی Interview on Stakeholder Engagement in AI Projects

• مصاحبه در مورد ممیزی و انطباق در سیستم‌های هوش مصنوعی Interview on Audit and Compliance in AI Systems

• مصاحبه در مورد حریم خصوصی و حفاظت از داده‌ها در هوش مصنوعی Interview on Data Privacy and Protection in AI

• مصاحبه در مورد حکمرانی هوش مصنوعی در صنایع خاص Interview on AI Governance in Specific Industries

خلاصه نهایی دوره و نکات کلیدی Final Course Summary and Key Takeaways

• خلاصه نهایی دوره و نکات کلیدی Final Course Summary and Key Takeaways