آموزش مبانی هوش مصنوعی مسئول

Foundations of Responsible AI

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:
چقدر مسائل مربوط به سوگیری الگوریتمی و ناعادلانه را درک می کنید؟ در این دوره، Ayodele Odubela، دانشمند داده و اخلاق‌گر هوش مصنوعی، اصول هوش مصنوعی مسئول و همچنین چارچوب‌های لازم برای استفاده از تکنیک‌های RAI در سیستم‌های هوش مصنوعی را به شما آموزش می‌دهد. Ayodele توسعه هوش مصنوعی مدرن و مشکلات یادگیری ماشین (ML) را توضیح می دهد که با مهندسی نرم افزار متفاوت است. او داده های بزرگ و اینکه از کجا آمده است را مورد بحث قرار می دهد، سپس چندین نکته مهم از آگاهی و سواد داده را پوشش می دهد. Ayodele به چارچوب های اخلاقی، اسکن پیامدها، انصاف، مسئولیت پذیری و موارد دیگر می پردازد. او همچنین آسیب های مربوط به انصاف را توضیح می دهد، چرا آنها به وجود می آیند، چرا اهمیت دارند، و چه چیزی می توانید برای جلوگیری یا کاهش آنها. به علاوه، Ayodele شرح مفصلی از حقوق بشر در ارتباط با هوش مصنوعی ارائه می دهد.

سرفصل ها و درس ها

مقدمه Introduction

  • درک هوش مصنوعی مسئول (در حال پیشرفت) Understanding responsible AI (In progress)

  • امتحان فصل Chapter Quiz

1. فلسفه هوش مصنوعی 1. Philosophy of AI

  • هوش مصنوعی چیست و چگونه داده ها آن را فعال می کنند؟ What is AI and how does data enable it?

  • توسعه هوش مصنوعی مدرن Modern AI development

  • مشکلاتی در ML که با مهندسی نرم افزار متفاوت است Problems in ML that differ from software engineering

  • امتحان فصل Chapter Quiz

2. آگاهی و سواد داده ها 2. Data Awareness and Literacy

  • کلان داده و اینکه از کجا می آید Big data and where it comes from

  • مشاهده روند در داده ها Seeing trends in data

  • ایجاد درک داده ها Building data understanding

  • تجسم و مقایسه داده ها Visualization and comparing data

  • داستان سرایی با داده Storytelling with data

  • امتحان فصل Chapter Quiz

3. نظریه های اخلاقی 3. Ethical Theories

  • مقدمه ای بر هوش مصنوعی اخلاقی Introduction to ethical AI

  • چارچوب های اخلاقی Ethical frameworks

  • خیرخواهی در مقابل بدخواهی Beneficence vs. maleficence

  • محاسبه عواقب Calculating consequences

  • اسکن پیامدها Consequence scanning

  • منفعت مشترک و عدالت Common good and equity

  • امتحان فصل Chapter Quiz

4. اصول هوش مصنوعی مسئول 4. Responsible AI Principles

  • انصاف Fairness

  • شفافیت Transparency

  • مسئوليت Accountability

  • توضیحات Explanations

  • تفسیر پذیری Interpretability

  • فراگیر بودن Inclusivity

  • امتحان فصل Chapter Quiz

5. آسیب الگوریتمی 5. Algorithmic Harm

  • چرا آسیب های مربوط به انصاف؟ Why fairness related harms?

  • حوادث و آموخته های حیاتی هوش مصنوعی Critical AI incidents and learnings

  • تعصب در چرخه عمر طراحی و توسعه Bias in the design and development lifecycle

  • استدلال علّی و انصاف Causal reasoning and fairness

  • کاهش ریسک در هوش مصنوعی Risk mitigation in AI

  • جنبه های فنی راه حل های اجتماعی و فنی Technical aspects of sociotechnical solutions

  • امتحان فصل Chapter Quiz

6. حقوق بشر و هوش مصنوعی 6. Human Rights and AI

  • ناشناس بودن و حریم خصوصی داده ها Anonymity and data privacy

  • استفاده های ناخواسته و سوء استفاده ها Unintended uses and misuses

  • موارد تجاری غیر اخلاقی Unethical business cases

  • سیستم ها و جامعه خودمختار Autonomous systems and society

  • هوش مصنوعی برای چه کسانی ساخته شده است؟ Who AI is developed for?

  • امتحان فصل Chapter Quiz

نتیجه Conclusion

  • مقررات هوش مصنوعی و استفاده از چارچوب های هوش مصنوعی مسئول AI regulation and applying responsible AI frameworks

  • امتحان فصل Chapter Quiz

نمایش نظرات

آموزش مبانی هوش مصنوعی مسئول
جزییات دوره
2h 30m
41
Linkedin (لینکدین) Linkedin (لینکدین)
(آخرین آپدیت)
-
- از 5
دارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Ayodele Odubela Ayodele Odubela

دانشمند داده و اخلاق شناس هوش مصنوعی

Ayodele Odubela یک دانشمند داده و متخصص اخلاق هوش مصنوعی است.

Ayodele معتقد به استفاده از فناوری برای بهبود زندگی افراد حاشیه‌نشین است. او پس از فارغ التحصیلی از دانشگاه پیتسبورگ با مدرک رسانه های دیجیتال و ارتباطات، برای آژانس های بازاریابی، شرکت های اپلیکیشن و ناشران آنلاین کار کرد و پیش از گرفتن مدرک کارشناسی ارشد خود در علوم داده از دانشگاه رجیس. از آن زمان، او بر یافتن راه‌حل‌هایی برای سوگیری در علم داده، از جمله یافتن راه‌هایی برای شناسایی و کاهش آسیب‌های سوگیری کدگذاری‌شده در الگوریتم‌ها، و کار بر روی کتابی درباره نحوه شناسایی و مقابله با سوگیری در مدل‌های یادگیری ماشین تمرکز کرده است.
Ayodele در حال حاضر به عنوان یک دانشمند داده در SambaSafety، ارائه دهنده مدیریت ریسک تحرک مبتنی بر ابر برای رانندگان، کار می کند.