آموزش حریم خصوصی داده‌ها و استفاده ایمن از هوش مصنوعی مولد برای توسعه‌دهندگان - آخرین آپدیت

دانلود Generative AI Data Privacy and Safe Use for Developers

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: توسعه‌دهندگانی که هوش مصنوعی مولد (Generative AI) را در اپلیکیشن‌های خود ادغام می‌کنند، با چالش‌های حیاتی در زمینه‌های حریم خصوصی داده‌ها، آسیب‌پذیری‌های امنیتی و رعایت قوانین رگولاتوری مواجه هستند. در این دوره آموزشی با عنوان «حریم خصوصی داده‌ها و استفاده ایمن از هوش مصنوعی مولد برای توسعه‌دهندگان»، یاد می‌گیرید که اپلیکیشن‌های GenAI امن و منطبق با استانداردهای حریم خصوصی بسازید. ابتدا، لیست ۱۰ مورد برتر OWASP برای مدل‌های زبانی بزرگ (LLMs) و آسیب‌پذیری‌های رایج را بررسی خواهید کرد. سپس، نحوه پیاده‌سازی پیکربندی‌های API با اولویت حریم خصوصی را خواهید آموخت. در نهایت، روش‌های تضمین انطباق با قوانین نظارتی را فرا می‌گیرید. پس از اتمام این دوره، مهارت‌ها و دانش لازم در زمینه حریم خصوصی داده‌های GenAI را برای استقرار ایمن اپلیکیشن‌های مبتنی بر LLM در محیط‌های عملیاتی به دست خواهید آورد.

سرفصل ها و درس ها

درک ۱۰ مورد برتر OWASP برای LLMها Understanding OWASP Top 10 for LLMs

  • ده مورد برتر OWASP برای مدل‌های زبانی بزرگ OWASP Top 10 for LLMs

  • تزریق پرامپت (Prompt Injection) Prompt Injection

  • افشای اطلاعات حساس Sensitive Information Disclosure

  • امنیت زنجیره تأمین Supply Chain

  • مسموم‌سازی داده‌ها و مدل‌ها Data and Model Poisoning

  • مدیریت نادرست خروجی‌ها Improper Output Handling

  • دسترسی‌های بیش از حد (Excessive Agency) Excessive Agency

  • نشت پرامپت سیستم System Prompt Leakage

  • نقاط ضعف بردارها و Embeddingها Vector and Embedding Weaknesses

  • اطلاعات نادرست (Misinformation) Misinformation

  • مصرف نامحدود منابع Unbounded Consumption

پیاده‌سازی LLMOps برای حریم خصوصی داده‌ها Implementing LLMOps for Data Privacy

  • پیکربندی حریم خصوصی Privacy Configuration

  • قابلیت مشاهده‌پذیری LLM LLM Observability

  • دمو: LiteLLM Demo: LiteLLM

  • دمو: مانیتورینگ استفاده از API Demo: API Usage Monitoring

  • نرده‌های حفاظتی (Guardrails) Guardrails

  • دمو: Guardrails Demo: Guardrails

  • مدیریت هزینه و محدودیت نرخ درخواست Cost and Rate Limiting

بررسی معماری‌های پیشرفته حریم خصوصی Exploring Advanced Privacy Architecture

  • رایانش محرمانه (Confidential Computing) Confidential Computing

  • یادگیری فدرال (Federated Learning) Federated Learning

  • انطباق با قوانین نظارتی Regulatory Compliance

نمایش نظرات

آموزش حریم خصوصی داده‌ها و استفاده ایمن از هوش مصنوعی مولد برای توسعه‌دهندگان
جزییات دوره
54m
21
(آخرین آپدیت)
13
4.9 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

Bogdan Sucaciu Bogdan Sucaciu

بوگدان دوست دارد روزانه مهندس نرم افزار ، و شبانه نویسنده Pluralsight است ، فن آوری های پیشرفته را آزمایش کند و در مورد آنها آموزش دهد. موضوعات مورد علاقه وی در زمینه گفتگو جریان داده ها ، معماری مبتنی بر رویداد ، سیستم های توزیع شده و فناوری های ابری است. او چندین سال تجربه "پخت و پز" نرم افزار با زبانهای مبتنی بر JVM ، برخی از طعم دهنده های فن آوری وب و تزئین با تست خودکار دارد. وی دارای مدرک کارشناسی رباتیک است که ساعتهای بی شماری را صرف برنامه نویسی میکروکنترلرها و دستگاه های اینترنت اشیا و البته ساخت ربات ها کرد. در آنجا ، او علاقه ، طراحی و برنامه نویسی سیستم های پیچیده خود را کشف کرد ، بنابراین رویای خود را دنبال کرد و به یک برنامه نویس خودآموز تبدیل شد.