آموزش هوش مصنوعی مسئولانه برای توسعه‌دهندگان: حریم خصوصی و امنیت - آخرین آپدیت

معرفی دوره 課程簡介

• معرفی دوره 課程簡介

حریم خصوصی در هوش مصنوعی AI 隱私權

• بررسی کلی حریم خصوصی AI AI 隱私權總覽

• حریم خصوصی در داده‌های ساختاریافته: تکنیک‌های ناشناس‌سازی 保障訓練資料的隱私權：去識別化技術

• حریم خصوصی در داده‌های ساختاریافته: تکنیک‌های رمزنگاری 保障訓練資料的隱私權：隨機化技術

• حریم خصوصی در یادگیری ماشین: کاهش سطح حریم خصوصی تفاضلی (DP SGD) 保障機器學習訓練的隱私權：差異化隱私隨機梯度下降 (DP-SGD)

• حریم خصوصی در یادگیری ماشین: یادگیری فدرال (Federated Learning) 保障機器學習訓練的隱私權：聯合學習

• امنیت سیستماتیک در Google Cloud Google Cloud 的系統安全性

• امنیت سیستماتیک در هوش مصنوعی مولد (Generative AI) 生成式 AI 的系統安全性

• کارگاه عملی: پیاده‌سازی حریم خصوصی تفاضلی در یادگیری ماشین با TensorFlow Privacy 研究室：運用 TensorFlow Privacy 在機器學習技術中實現差異化隱私

• شروع کار با Google Cloud Platform و Qwiklabs Coursera：Getting Started with Google Cloud Platform and Qwiklabs (開始使用 Google Cloud Platform 和 Qwiklabs)

امنیت هوش مصنوعی AI 安全性

• بررسی کلی امنیت هوش مصنوعی AI 安全性總覽

• استدلال امن 安全評估

• پیشگیری از آسیب 傷害防護

• طراحی مدل با محوریت امنیت: راهنمای تنظیمات 以安全為核心的模型訓練：微調指示

• طراحی مدل با محوریت امنیت: آموزش تقویتی از بازخورد انسانی (RLHF) 以安全為核心的模型訓練：人類回饋增強學習

• امنیت هوش مصنوعی مولد در Google Cloud Google Cloud 生成式 AI 的安全性

• کارگاه عملی: جلوگیری از استخراج داده‌ها از Vertex AI Gemini API 研究室：透過 Vertex AI Gemini API 採取保護措施

جمع‌بندی دوره 課程摘要

• جمع‌بندی دوره 課程摘要

منابع دوره 課程資源