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

مقدمه دوره 과정 소개

• مقدمه دوره 과정 소개

حفاظت از حریم خصوصی در AI AI 개인 정보 보호

• مفاهیم حفاظت از حریم خصوصی AI AI 개인 정보 보호 개요

• حفاظت از حریم خصوصی در یادگیری ماشین: متدهای ناشناس‌سازی 학습 데이터의 개인 정보 보호: 익명화 기법

• حفاظت از حریم خصوصی در یادگیری ماشین: متدهای تعیین سطح دسترسی 학습 데이터의 개인 정보 보호: 무작위 순서 지정 기법

• حریم خصوصی در یادگیری تفاضلی: DP SGD 머신러닝 학습의 개인 정보 보호: DP-SGD

• حریم خصوصی در یادگیری تفاضلی: یادگیری محلی 머신러닝 학습의 개인 정보 보호: 제휴 학습

• سیستم‌های حفاظتی Google Cloud Google Cloud의 시스템 보호

• حفاظت سیستم در هوش مصنوعی مولد 생성형 AI의 시스템 보안

• تمرین: پیاده‌سازی حفاظت از حریم خصوصی تفاضلی با TensorFlow Privacy 실습: TensorFlow Privacy를 사용한 머신러닝의 개인 정보 차등 보호

• Coursera: اتصال به Google Cloud و Qwiklabs Coursera: Google Cloud 및 Qwiklabs 시작하기

ایمنی در هوش مصنوعی AI 안전

• مفاهیم ایمنی در AI AI 안전 개요

• ساختار ایمنی 안전 평가

• راهکارهای مقابله با آسیب 피해 방지

• مدل‌های آموزشی برای ایمنی: تعیین معیار پاسخ‌های مناسب 안전을 위한 모델 학습: 지시문 미세 조정

• مدل‌های آموزشی برای ایمنی: RLHF 안전을 위한 모델 학습: RLHF

• ایمنی در هوش مصنوعی مولد Google Cloud Google Cloud 생성형 AI의 안전

• تمرین: پیاده‌سازی لایه‌های حفاظتی با Vertex AI Gemini API 실습: Vertex AI Gemini API를 통한 보호

پاسخ به سوالات 과정 요약

• پاسخ به سوالات 과정 요약

بررسی نهایی دوره 과정 리소스