مهندسی اعتماد برای هوش مصنوعی: آموزش جامع و ضروری - آخرین آپدیت

دانلود Trust Engineering for AI: Essential Training

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: این دوره برای متخصصان داده، محصول و مدیریت ریسک که مسئولیت برنامه‌ریزی و ارائه محصولات و فرآیندهای مبتنی بر هوش مصنوعی را بر عهده دارند، طراحی شده است. در این دوره با مهندسی اعتماد (Trust Engineering) آشنا می‌شوید؛ رشته‌ای که پلی میان داده‌کاوی، توسعه محصول، تجربه کاربری (UX) و مدیریت ریسک ایجاد می‌کند تا تیم‌ها بتوانند سیستم‌های هوش مصنوعی را از ابتدا با ایمنی، شفافیت و پاسخگویی ایجاد کنند. از طریق تمرینات مبتنی بر حوادث و بررسی‌های ساختارمند دارایی‌های شفافیت، روش‌های عملی برای انتقال پیام‌های مربوط به حالت‌های شکست، محدودیت‌ها و سطوح ریسک را بیابید تا ذینفعان مختلف بتوانند بر اساس آن اقدام کنند. در طول مسیر، استفاده از ابزارهای ارزیابی و الگوهای نظارتی که از انتظارات رگولاتوری (قوانین) را پشتیبانی می‌کنند و در عین حال پیشرفت ابتکارات هوش مصنوعی را تداوم می‌بخشند، تمرین خواهید کرد. در پایان این دوره، شما مجهز به یک جعبه‌ابزار مشترک خواهید بود که تیم شما می‌تواند برای برنامه‌ریزی، پیاده‌سازی، مدیریت و بهبود سیستم‌های هوش مصنوعی به صورت مؤثرتر استفاده کند.

سرفصل ها و درس ها

مقدمه Introduction

  • چرا مهندسی اعتماد اهمیت دارد؟ Why does trust engineering matter?

  • مهندسی هوش مصنوعی قابل اعتماد Engineering AI you can trust

1. مبانی مهندسی اعتماد 1. Foundations of Trust Engineering

  • مهندسی اعتماد در عمل Trust engineering in practice

  • اعتماد در مهندسی هوش مصنوعی چیست؟ What is trust in AI engineering?

2. مبانی ریسک در هوش مصنوعی 2. AI Risk Basics

  • ردیابی منابع اطلاعاتی Tracing information sources

  • کابوس‌های روابط عمومی PR nightmares

  • مثال‌های متخاصم (Adversarial examples) Adversarial examples

  • ریسک‌های هوش مصنوعی بخش دوم: چالش‌های انسانی AI risks part 2: Human challenges

  • زمینه (Context) و توهمات Context and hallucinations

  • ریسک‌های هوش مصنوعی بخش اول: چالش‌های الگوریتمی AI risks part 1: Algorithmic challenges

3. درک حوادث هوش مصنوعی 3. Understanding AI Incidents

  • معرفی پایگاه داده حوادث هوش مصنوعی Introducing the AI incident database

  • تاکسونومی ریسک‌های هوش مصنوعی AI risk taxonomies

  • تضاد منافع تجاری با اعتماد When business incentives conflict with trust

4. همکاری انسان و هوش مصنوعی 4. Human-AI Collaboration

  • طراحی تصمیم‌گیری در سازمان‌ها Decision design in the enterprise

  • زمینه و نقش‌ها Context and roles

  • به حداقل رساندن دامنه و اصطکاک آگاهانه Minimizing scope and thoughtful friction

  • تعادل بین انسان و ماشین Balancing humans and machines

  • بازتعادل جریان کار انسان و هوش مصنوعی برای کاهش ریسک Rebalance a human-AI workflow to de-risk

  • توضیح‌پذیری و تصمیم‌گیری Explainability and decision-making

  • مدیریت انتظارات Managing expectations

5. شفافیت و پاسخگویی 5. Transparency and Accountability

  • بررسی کارت‌های مدل (Model Cards) و معادل‌های آن Exploring model cards and equivalents

  • ردیابی‌پذیری Traceability

  • درک محدودیت‌های مدل Understanding model limitations

  • تضمین و حسابرسی هوش مصنوعی AI assurance and audits

  • طراحی برنامه‌های پاسخ‌دهی Designing response plans

  • ارزیابی ریسک هوش مصنوعی AI risk assessments

  • درک ارزیابی مدل Understanding model evaluation

  • مروری بر زیرساخت‌های اعتماد A survey of trust infrastructure

6. ساخت جعبه‌ابزار شما 6. Building Your Toolkit

  • مهندسی اعتماد کاربردی Applied trust engineering

7. گام‌های بعدی 7. Next Steps

  • به‌روز ماندن با مباحث اعتماد Keep up with trust

نمایش نظرات

مهندسی اعتماد برای هوش مصنوعی: آموزش جامع و ضروری
جزییات دوره
1h 39m
30
(آخرین آپدیت)
1,813
- 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

Cal Al-Dhubaib Cal Al-Dhubaib

کل دزوبیب (Cal Al-Dhubaib) یکی از مدیران اجرایی هوش مصنوعی و یادگیری ماشین مسئولانه، سخنران کلیدی و کارآفرین است.

کل بیش از یک دهه تجربه رهبری در هوش مصنوعی، یادگیری ماشین و نوآوری‌های سازمانی است. او شرکت Pandata را تأسیس کرد و آن را به عنوان یک شرکت طراحی و توسعه هوش مصنوعی با تمرکز بر ساخت سیستم‌های هوش مصنوعی مسئولانه برای محیط‌های با نظارت شدید، از جمله بهداشت و درمان، انرژی و خدمات مالی گسترش داد. Pandata در سال ۲۰۲۴ توسط Further خریداری شد. او خالق framework مهندسی اعتماد برای هوش مصنوعی است؛ چارچوبی برای هم‌سو کردن طراحی، توسعه، استقرار و استفاده از سیستم‌های هوش مصنوعی با نتایج پاسخگو. کل به عنوان یک سخنران کلیدی و تسهیل‌گر اجرایی در زمینه استراتژی هوش مصنوعی، نوآوری، حاکمیت و سواد هوش مصنوعی، برای ده‌ها هزار رهبر و مشترک در طول دوران حرفه‌ای خود سخنرانی کرده است.