آموزش AIP-C01: ایمنی، امنیت و حاکمیت هوش مصنوعی - آخرین آپدیت

دانلود AIP-C01: AI Safety, Security, and Governance

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: سیستم‌های هوش مصنوعی مولد، ریسک‌های امنیتی، حریم خصوصی و حاکمیتی را ایجاد می‌کنند که کنترل‌های ابری سنتی برای مقابله با آن‌ها طراحی نشده‌اند. در این دوره آموزشی (AIP-C01: AI Safety, Security, and Governance)، شما نحوه طراحی و پیاده‌سازی حفاظ‌های عملیاتی برای مدل‌های پایه (Foundation Models) در AWS را خواهید آموخت. ابتدا بررسی خواهید کرد که چگونه از سیستم‌های هوش مصنوعی در برابر پرومپت‌های مضر، خروجی‌های ناامن و توهمات (Hallucinations) دفاع کنید. سپس، روش‌های ایمن‌سازی محیط‌های هوش مصنوعی، محافظت از داده‌های حساس و تقویت کنترل‌های دسترسی در طول چرخه حیات AI را کشف خواهید کرد. در نهایت، نحوه اجرای حاکمیت، انطباق (Compliance) و شیوه‌های هوش مصنوعی مسئولانه را که از ممیزی‌ها، آمادگی‌های نظارتی و پذیرش اخلاقی AI پشتیبانی می‌کنند، یاد می‌گیرید. پس از اتمام این دوره، شما مهارت‌ها و دانش لازم در زمینه ایمنی، امنیت و حاکمیت هوش مصنوعی را برای ساخت و مدیریت راهکارهای قابل اعتماد AI در AWS به دست خواهید آورد.

سرفصل ها و درس ها

پیاده‌سازی کنترل‌های ایمنی ورودی و خروجی Implementing Input and Output Safety Controls

  • توسعه سیستم‌های ایمنی ورودی Developing Input Safety Systems

  • طراحی جریان‌های کاری سفارشی برای نظارت Designing Custom Moderation Workflows

  • جلوگیری از خروجی‌های مضر Preventing Harmful Outputs

  • دمو: پیکربندی Guardrails در Amazon Bedrock برای ایمنی ورودی و خروجی Demo: Configuring Amazon Bedrock Guardrails for Input and Output Safety

  • کاهش توهمات مدل‌های پایه (FM) Reducing FM Hallucinations

  • معماری‌های ایمنی دفاع در عمق Defense in Depth Safety Architectures

  • تشخیص پیشرفته تهدیدات برای مدل‌های پایه Advanced Threat Detection for Foundation Models

  • نمونه سوالات و نکات آزمون Sample Questions and Exam Tips

پیاده‌سازی کنترل‌های امنیت داده و حریم خصوصی Implementing Data Security and Privacy Controls

  • محافظت از محیط‌های هوش مصنوعی با استفاده از جداسازی شبکه Protecting AI Environments Using Network Isolation

  • دمو: محدود کردن دسترسی Bedrock با استفاده از Interface VPC Endpoints و کلیدهای شرطی IAM Demo: Restricting Bedrock Access Using Interface VPC Endpoints and IAM Condition Keys

  • محافظت از محیط‌های هوش مصنوعی با استفاده از IAM Protecting AI Environments Using IAM

  • حاکمیت داده‌ها با Lake Formation Data Governance with Lake Formation

  • مانیتورینگ و ممیزی دسترسی به داده‌ها Monitoring and Auditing Data Access

  • محافظت از داده‌های حساس Protecting Sensitive Data

  • محافظت از حریم خصوصی Protecting Privacy

  • سیستم‌های هوش مصنوعی متمرکز بر حفظ، بهینه‌سازی و حریم خصوصی داده‌ها Data Retention, Minimization, and Privacy Focused AI Systems

  • نمونه سوالات و نکات آزمون Sample Questions and Exam Tips

پیاده‌سازی مکانیسم‌های حاکمیت و انطباق هوش مصنوعی Implementing AI Governance and Compliance Mechanisms

  • ساخت مستندات انطباق با استفاده از Model Cards Building Compliance Documentation with Model Cards

  • ردیابی происхождение داده‌ها و کاتالوگ‌بندی برای قابلیت پیگیری Data Lineage and Cataloging for Traceability

  • پیاده‌سازی ارجاع به منبع در محتوای تولید شده توسط FM Implementing Source Attribution in FM-Generated Content

  • مدیریت لاگ‌های ممیزی برای دسترسی به مدل و داده‌ها Managing Audit Logging for Model and Data Access

  • دمو: فعال‌سازی لاگ‌های مدیریت Bedrock و فراخوانی مدل Demo: Enabling Bedrock Management And Model Invocation Logs

  • ایجاد چارچوب‌های حاکمیت سازمانی Creating Organizational Governance Frameworks

  • مدیریت حاکمیت دسترسی و حفاظ‌ها در مقیاس گسترده Managing Access Governance and Guardrails at Scale

  • مدیریت کنترل تغییرات برای مدل‌ها Managing Change Control for Models

  • مانیتورینگ برای سوءاستفاده، رانش (Drift) و سوگیری (Bias) Monitoring for Misuse, Drift, and Bias

  • اجرای پیشرفته حاکمیت و اصلاح خطاها Advanced Governance Enforcement and Remediation

  • نمونه سوالات و نکات آزمون Sample Questions and Exam Tips

پیاده‌سازی اصول هوش مصنوعی مسئولانه Implementing Responsible AI Principles

  • شفافیت با استفاده از شواهد و ردیابی عامل‌ها (Agent Tracing) Transparency with Evidence and Agent Tracing

  • کمی‌سازی عدم قطعیت با سطح اطمینان Quantifying Uncertainty with Confidence

  • معیارهای عدالت و مجموعه‌داده‌های ارزیابی Fairness Metrics and Evaluation Datasets

  • مدیریت پرومپت و جریان‌های پرومپت برای تست A/B عدالت Prompt Management and Prompt Flows for Fairness A\B Testing

  • ارزیابی‌های خودکار عدالت با استفاده از LLM به عنوان داور Automated Fairness Evaluations with LLM-as-a-Judge

  • اجرای ارزیابی LLM به عنوان داور در Amazon Bedrock Running an LLM as a Judge Evaluation in Amazon Bedrock

  • توسعه سیستم‌های هوش مصنوعی مطابق با خط‌مشی‌ها Developing Policy-compliant AI Systems

  • بررسی‌های خودکار انطباق و ثبت شواهد Automated Compliance Checks and Evidence Capture

  • مستندسازی محدودیت‌ها با Model Cards و خط‌مشی‌های نسخه‌بندی شده Documenting Limitations with Model Cards and Versioned Policies

  • نمونه سوالات و نکات آزمون Sample Questions and Exam Tips

آمادگی برای آزمون Exam Preparation

  • بررسی جامع ایمنی، امنیت و حاکمیت هوش مصنوعی AI Safety, Security, and Governance in Context

نمایش نظرات

آموزش AIP-C01: ایمنی، امنیت و حاکمیت هوش مصنوعی
جزییات دوره
3h 24m
39
(آخرین آپدیت)
1
از 5
دارد
دارد
دارد
Chris Jackson
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Chris Jackson Chris Jackson

کریس جکسون یک متخصص امنیت سایبری با سال ها تجربه در شناسایی حوادث امنیتی، ایمن سازی برنامه ها و آموزش های امنیتی است. در طول سال‌ها، او برنامه‌های تحت وب را از نظر آسیب‌پذیری آزمایش کرده، به استقرار پلتفرم‌های SIEM و موارد دیگر کمک کرده است. او علاقه زیادی به آموزش امنیت سایبری دارد و متعهد به یادگیری فناوری های جدید است.