بنیاد امنیت هوش مصنوعی آکیلید (AKYLADE AI Security Foundation) – دوره کامل و آزمون - آخرین آپدیت

دانلود AKYLADE AI Security Foundation (A/AISF) Full Course & Exam

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:

آمادگی برای آزمون AKYLADE AI Security Foundation (A/AISF) (AIF-001)

با این دوره، آزمون را در اولین تلاش با موفقیت پشت سر بگذارید! شامل آزمون آزمایشی

این دوره برای متخصصان زیر مناسب است:

  • متخصصان امنیت سایبری که وارد حوزه هوش مصنوعی می‌شوند.
  • متخصصان مدیریت ریسک در سازمان‌هایی که از هوش مصنوعی استفاده می‌کنند.
  • مسئولان انطباق و حقوقی مسئول حاکمیت هوش مصنوعی.
  • مهندسان و توسعه‌دهندگان هوش مصنوعی که به دنبال همسویی امنیت و اعتماد هستند.
  • حسابرسان، تحلیلگران و مشاوران فناوری اطلاعات متخصص در فناوری‌های نوظهور.
  • متخصصانی که برای آزمون گواهینامه AISF (AIF-001) آماده می‌شوند.

پیش نیازها:

  • درک پایه از مفاهیم امنیت سایبری و فناوری اطلاعات
  • آشنایی کلی با اصطلاحات هوش مصنوعی/یادگیری ماشین (توصیه می شود اما اجباری نیست)
  • کامپیوتری با دسترسی به اینترنت برای آزمایشگاه ها و مواد آموزشی
  • هیچ تجربه قبلی در توسعه هوش مصنوعی مورد نیاز نیست

دوره AKYLADE AI Security Foundation (A/AISF) برای آشنا کردن متخصصان با اصول اساسی امنیت و حاکمیت هوش مصنوعی طراحی شده است. این دوره بر حوزه‌های مهمی مانند مدیریت ریسک هوش مصنوعی، ویژگی‌های سیستم‌های هوش مصنوعی قابل اعتماد و نحوه استفاده از چارچوب مدیریت ریسک هوش مصنوعی NIST (RMF) تاکید دارد. فراگیران دانش لازم برای درک و مدیریت خطرات امنیتی سیستم‌های هوش مصنوعی در طول چرخه عمر خود را به دست خواهند آورد.

بحث دامنه

محتوای آزمون A/AISF به پنج حوزه تقسیم می شود که هر کدام نشان دهنده یک حوزه کلیدی در امنیت هوش مصنوعی است. تقسیم محتوای دوره بر اساس درصد به شرح زیر است:

  • مفاهیم هوش مصنوعی (23٪)

    این دامنه با توضیح مبانی هوش مصنوعی از جمله یادگیری ماشین، یادگیری عمیق، شبکه های عصبی، پیش پردازش داده ها، مراحل چرخه عمر هوش مصنوعی و مدل های بلوغ، پایه و اساس را ایجاد می کند. فراگیران همچنین بازیگران، ابزارها، پلتفرم ها و موارد استفاده واقعی هوش مصنوعی را در صنایع مختلف بررسی خواهند کرد.

  • مدیریت ریسک هوش مصنوعی (17٪)

    بر شناسایی، ارزیابی و کاهش خطرات مربوط به هوش مصنوعی تمرکز دارد. موضوعات شامل اندازه گیری ریسک، روش های درمان ریسک، ساختارهای حاکمیتی و ادغام مدیریت ریسک هوش مصنوعی در سیاست ها و چارچوب های سازمانی است.

  • خطرات هوش مصنوعی و قابل اعتماد بودن (22٪)

    ویژگی‌های سیستم‌های هوش مصنوعی قابل اعتماد مانند انصاف، شفافیت، پاسخگویی و حریم خصوصی را بررسی می‌کند. فراگیران بررسی خواهند کرد که چگونه خطرات اخلاقی، اجتماعی و فنی را شناسایی و به آنها پاسخ دهند و نقش ها و انگیزه های بازیگران تهدید هوش مصنوعی را درک کنند.

  • NIST AI RMF Core (23٪)

    چهار عملکرد اصلی چارچوب مدیریت ریسک هوش مصنوعی NIST را پوشش می دهد - اداره، نقشه برداری، اندازه گیری و مدیریت. فراگیران مهارت های لازم برای اعمال این عملکردها در سناریوهای واقعی مدیریت ریسک هوش مصنوعی و همسو کردن آنها با اهداف سازمانی را توسعه خواهند داد.

  • پروفایل های NIST AI RMF (15٪)

    نحوه توسعه و تطبیق پروفایل های AI RMF را برای نیازهای خاص سازمانی آموزش می دهد. فراگیران اجزای پروفایل، مسئولیت های تصمیم گیری، مراحل پیاده سازی پروفایل و ابزارهایی برای پشتیبانی از مدیریت ریسک هوش مصنوعی را بررسی خواهند کرد.

ویژگی های دوره:

این دوره شامل راهنمای مطالعه جامع، آزمون های بررسی دانش و آزمون آزمایشی کامل است. راهنمای مطالعه هر دامنه را با توضیحات و مثال های واضح بررسی می کند. آزمون ها به تقویت درک در طول دوره کمک می کنند و آزمون آزمایشی تجربه گواهینامه واقعی را شبیه سازی می کند و به فراگیران کمک می کند آمادگی خود را بسنجند و اعتماد به نفس آزمون را ایجاد کنند.

اولین قدم را برای تسلط بر امنیت هوش مصنوعی بردارید!

امروز در دوره گواهینامه AKYLADE AI Security Foundation (A/AISF) (AIF-001) ثبت نام کنید و دانش و اعتبارنامه های عملی برای پشتیبانی از سیستم های هوش مصنوعی ایمن، اخلاقی و سازگار را به دست آورید. با اطمینان آماده شوید—آزمون را بگذرانید و آینده هوش مصنوعی ایمن را رهبری کنید.

نظرات دانشجویان دیگر درباره دوره های ما:

  • تاکنون همه چیز واضح است که از این دوره چه انتظاری داشته باشیم. (آلستون اس.، 5 ستاره)
  • دوره عالی!! من واقعاً در حال یادگیری و لذت بردن از دوره هستم. متشکرم! (سورش اس.، 5 ستاره)
  • توضیحات و مثال ها واقعاً به من کمک کرده اند تا مفاهیمی را که با آنها مشکل داشتم درک کنم. (مزمل و.، 5 ستاره)

پس از اتمام این دوره، 13 واحد آموزش مداوم (CEU) برای تمدید گواهینامه های CompTIA Tech+، A+، Network+، Security+، Linux+، Cloud+، PenTest+، CySA+ یا CASP+ دریافت خواهید کرد.


سرفصل ها و درس ها

Introduction

  • مقدمه Introduction

  • راهنمای مطالعه رایگان خود را دانلود کنید Download your free study guide

  • نکات امتحان Exam Tips

  • مسیر امنیت هوش مصنوعی AI Security Pathway

  • نقطه بازبینی: مقدمه Checkpoint: Introduction

مبانی هوش مصنوعی Artificial Intelligence Fundamentals

  • مبانی هوش مصنوعی (هدف 1.1) Artificial Intelligence Fundamentals (OBJ 1.1)

  • هوش مصنوعی (AI) (هدف 1.1) Artificial Intelligence (AI) (OBJ 1.1)

  • یادگیری ماشین (ML) (هدف 1.1) Machine Learning (ML) (OBJ 1.1)

  • پردازش زبان طبیعی (NLP) (هدف 1.1) Natural Language Processing (NLP) (OBJ 1.1)

  • بینایی کامپیوتر (هدف 1.1) Computer Vision (OBJ 1.1)

  • یادگیری عمیق (هدف 1.1) Deep Learning (OBJ 1.1)

  • هوش مصنوعی مولد (GenAI) (هدف 1.1) Generative AI (GenAI) (OBJ 1.1)

  • مطالعه موردی: GPT اوپن‌اِی‌آی Case Study: OpenAI's GPT

  • نقطه بازبینی: مبانی هوش مصنوعی Checkpoint: Artificial Intelligence Fundamentals

یادگیری ماشین (ML) و یادگیری عمیق (DL) Machine Learning (ML) and Deep Learning (DL) "

  • یادگیری ماشین (ML) و یادگیری عمیق (DL) (هدف 1.1 و هدف 1.2) Machine Learning (ML) and Deep Learning (DL) (OBJ 1.1 and OBJ 1.2)

  • تکنیک‌های یادگیری ماشین (هدف 1.1) Machine Learning Techniques (OBJ 1.1)

  • الگوریتم‌های یادگیری ماشین (هدف 1.1) Machine Learning Algorithms (OBJ 1.1)

  • شبکه‌های عصبی (هدف 1.2) Neural Networks (OBJ 1.2)

  • معماری‌های شبکه عصبی (هدف 1.2) Neural Network Architectures (OBJ 1.2)

  • آموزش شبکه‌های عصبی (هدف 1.2) Training Neural Networks (OBJ 1.2)

  • پیش‌پردازش داده (هدف 1.2) Data Preprocessing (OBJ 1.2)

  • روش‌های پیش‌پردازش داده (هدف 1.2) Data Preprocessing Methods (OBJ 1.2)

  • کاربردهای یادگیری عمیق (هدف 1.2) Applications of Deep Learning (OBJ 1.2)

  • مطالعه موردی: کشف تقلب Case Study: Fraud Detection

  • نقطه بازبینی: یادگیری ماشین (ML) و یادگیری عمیق (DL) Checkpoint: Machine Learning (ML) and Deep Learning (DL)

چرخه حیات هوش مصنوعی AI Lifecycle

  • چرخه حیات هوش مصنوعی (هدف 1.3) AI Lifecycle (OBJ 1.3)

  • مرحله اول – برنامه‌ریزی و طراحی (هدف 1.3) Phase One - Plan and Design (OBJ 1.3)

  • مرحله دوم – جمع‌آوری و پردازش داده (هدف 1.3) Phase Two - Collect and Process Data (OBJ 1.3)

  • مرحله سوم – ساخت و استفاده از مدل (هدف 1.3) Phase Three - Build and Use Model (OBJ 1.3)

  • مرحله چهارم – راستی‌آزمایی و اعتبارسنجی (هدف 1.3) Phase Four - Verify and Validate (OBJ 1.3)

  • مرحله پنجم – استقرار و استفاده (هدف 1.3) Phase Five - Deploy and Use (OBJ 1.3)

  • مرحله ششم – عملیات و نظارت (هدف 1.3) Phase Six - Operate and Monitor (OBJ 1.3)

  • مرحله هفتم – استفاده یا تحت تأثیر قرار گرفتن (هدف 1.3) Phase Seven - Use or Impacted By (OBJ 1.3)

  • ابعاد کلیدی سیستم هوش مصنوعی (هدف 1.3) AI System Key Dimensions (OBJ 1.3)

  • توسعه مدل هوش مصنوعی (هدف 1.3) AI Model Development (OBJ 1.3)

  • مطالعه موردی: Healthfirst (هدف 1.3) Case Study: Healthfirst (OBJ 1.3)

  • نقطه بازبینی: چرخه حیات هوش مصنوعی Checkpoint: AI Lifecycle

بازیگران هوش مصنوعی AI Actors

  • بازیگران هوش مصنوعی (هدف 1.4) AI Actors (OBJ 1.4)

  • طراحی هوش مصنوعی (هدف 1.4) AI Design (OBJ 1.4)

  • توسعه هوش مصنوعی (هدف 1.4) AI Development (OBJ 1.4)

  • استقرار هوش مصنوعی (هدف 1.4) AI Deployment (OBJ 1.4)

  • عملیات و نظارت (هدف 1.4) Operations and Monitoring (OBJ 1.4)

  • آزمایش، ارزیابی، راستی‌آزمایی و اعتبارسنجی (TEVV) (هدف 1.4) Test, Evaluation, Verification, and Validation (TEVV) (OBJ 1.4)

  • عوامل انسانی (هدف 1.4) Human Factors (OBJ 1.4)

  • کارشناسان حوزه (هدف 1.4) Domain Experts (OBJ 1.4)

  • ارزیابی تأثیر هوش مصنوعی (هدف 1.4) AI Impact Assessment (OBJ 1.4)

  • تدارکات (هدف 1.4) Procurement (OBJ 1.4)

  • حاکمیت و نظارت (هدف 1.4) Governance and Oversight (OBJ 1.4)

  • بازیگران اضافی هوش مصنوعی (هدف 1.4) Additional AI Actors (OBJ 1.4)

  • مطالعه موردی: گوگل دیپ‌مایند (هدف 1.4) Case Study: Google Deepmind (OBJ 1.4)

  • نقطه بازبینی: بازیگران هوش مصنوعی Checkpoint: AI Actors

استراتژی‌ها و سطوح بلوغ هوش مصنوعی AI Strategies and Maturity Levels

  • استراتژی‌ها و سطوح بلوغ هوش مصنوعی (هدف 1.5) AI Strategies and Maturity Levels (OBJ 1.5)

  • همکاری فرابخشی (هدف 1.5) Cross-functional Collaboration (OBJ 1.5)

  • نقش‌ها و مسئولیت‌ها (هدف 1.5) Roles and Responsibilities (OBJ 1.5)

  • توسعه فرهنگ قوی (هدف 1.5) Developing a Strong Culture (OBJ 1.5)

  • همسوسازی استراتژی‌های هوش مصنوعی (هدف 1.5) Aligning AI Strategies (OBJ 1.5)

  • توسعه و پیاده‌سازی استراتژی‌های هوش مصنوعی (هدف 1.5) Developing and Implementing AI Strategies (OBJ 1.5)

  • تدوین نقشه راه (هدف 1.5) Develop a Roadmap (OBJ 1.5)

  • نظارت و ارزیابی ابتکارات هوش مصنوعی (هدف 1.5) Monitor and Evaluate AI Initiatives (OBJ 1.5)

  • سطوح بلوغ هوش مصنوعی (هدف 1.5) AI Maturity Levels (OBJ 1.5)

  • ارزیابی وضعیت فعلی هوش مصنوعی (هدف 1.5) Assessing Current State of AI (OBJ 1.5)

  • مصاحبه‌ها و نظرسنجی‌ها (هدف 1.5) Interviews and Surveys (OBJ 1.5)

  • شناسایی شکاف‌های توانمندی (هدف 1.5) Identify Capability Gaps (OBJ 1.5)

  • مطالعه موردی: مایکروسافت (هدف 1.5) Case Study: Microsoft (OBJ 1.5)

  • نقطه بازبینی: استراتژی‌ها و سطوح بلوغ هوش مصنوعی Checkpoint: AI Strategies and Maturity Levels

مدیریت ریسک هوش مصنوعی AI Risk Management

  • مدیریت ریسک هوش مصنوعی (هدف 2.1 و هدف 2.2) AI Risk Management (OBJ 2.1 and OBJ 2.2)

  • ریسک (هدف 2.1) Risk (OBJ 2.1)

  • تحمل ریسک (هدف 2.1) Risk Tolerance (OBJ 2.1)

  • پذیرش ریسک (هدف 2.1) Risk Appetite (OBJ 2.1)

  • انواع ریسک (هدف 2.1) Types of Risk (OBJ 2.1)

  • برخورد با ریسک (هدف 2.1) Treatment of Risk (OBJ 2.1)

  • اندازه‌گیری ریسک (هدف 2.2) Risk Measurement (OBJ 2.2)

  • ابزارهای مدیریت ریسک (هدف 2.2) Tools for Risk Management (OBJ 2.2)

  • مطالعه موردی: آمازون (هدف 2.1 و هدف 2.2) Case Study: Amazon (OBJ 2.1 and OBJ 2.2)

  • نقطه بازبینی: مدیریت ریسک هوش مصنوعی Checkpoint: AI Risk Management

ارزیابی ریسک هوش مصنوعی AI Risk Assessments

  • ارزیابی ریسک هوش مصنوعی (هدف 2.3) AI Risk Assessments (OBJ 2.3)

  • شناسایی ریسک (هدف 2.3) Risk Identification (OBJ 2.3)

  • تحلیل ریسک (هدف 2.3) Risk Analysis (OBJ 2.3)

  • ارزیابی ریسک (هدف 2.3) Risk Evaluation (OBJ 2.3)

  • کاهش ریسک (هدف 2.3) Risk Mitigation (OBJ 2.3)

  • مستندسازی و گزارش‌دهی (هدف 2.3) Documentation and Reporting (OBJ 2.3)

  • نظارت و بازبینی (هدف 2.3) Monitor and Review (OBJ 2.3)

  • مطالعه موردی: اپل کارت (هدف 2.3) Case Study: The Apple Card (OBJ 2.3)

  • نقطه بازبینی: ارزیابی ریسک هوش مصنوعی Checkpoint: AI Risk Assessments

حاکمیت هوش مصنوعی AI Governance

  • حاکمیت هوش مصنوعی (هدف 2.4) AI Governance (OBJ 2.4)

  • یکپارچه‌سازی در حاکمیت (هدف 2.4) Integration in Governance (OBJ 2.4)

  • مستندسازی در حاکمیت (هدف 2.4) Documentation in Governance (OBJ 2.4)

  • دستورالعمل‌های توسعه (هدف 2.4) Development Guidelines (OBJ 2.4)

  • راهنمایی‌ها و استانداردهای نوظهور (هدف 2.4) Emerging Guidance and Standards (OBJ 2.4)

  • نقش‌ها و مسئولیت‌های حاکمیت (هدف 2.4) Governance Roles and Responsibilities (OBJ 2.4)

  • مطالعه موردی: IBM واتسون برای انکولوژی (هدف 2.4) Case Study: IBM Watson for Oncology (OBJ 2.4)

  • نقطه بازبینی: حاکمیت هوش مصنوعی Checkpoint: AI Governance

قابلیت اعتماد سیستم‌های هوش مصنوعی Trustworthiness of AI Systems

  • قابلیت اعتماد سیستم‌های هوش مصنوعی (هدف 3.1 و هدف 3.2) Trustworthiness of AI Systems (OBJ 3.1 and OBJ 3.2)

  • معتبر و قابل اعتماد (هدف 3.1) Valid and Reliable (OBJ 3.1)

  • ایمن (هدف 3.1) Safe (OBJ 3.1)

  • امن و تاب‌آور (هدف 3.1) Secure and Resilient (OBJ 3.1)

  • پاسخگو و شفاف (هدف 3.1) Accountable and Transparent (OBJ 3.1)

  • قابل توضیح و قابل تفسیر (هدف 3.1) Explainable and Interpretable (OBJ 3.1)

  • با قابلیت حریم خصوصی (هدف 3.1) Privacy-enabled (OBJ 3.1)

  • منصفانه با مدیریت سوگیری‌های مضر (هدف 3.1) Fair with Harmful Bias Managed (OBJ 3.1)

  • موازنه ویژگی‌ها (هدف 3.2) Balancing Characteristics (OBJ 3.2)

  • مطالعه موردی: اوبر (هدف 3.1 و هدف 3.2) Case Study: Uber (OBJ 3.1 and OBJ 3.2)

  • نقطه بازبینی: قابلیت اعتماد سیستم‌های هوش مصنوعی Checkpoint: Trustworthiness of AI Systems

عوامل تهدید هوش مصنوعی AI Threat Actors

  • عوامل تهدید هوش مصنوعی (هدف 3.4) AI Threat Actors (OBJ 3.4)

  • عوامل تهدید خارجی (هدف 3.4) External Threat Actors (OBJ 3.4)

  • عوامل تهدید داخلی (هدف 3.4) Internal Threat Actors (OBJ 3.4)

  • عوامل تهدید زنجیره تأمین (هدف 3.4) Supply Chain Threat Actors (OBJ 3.4)

  • انگیزه‌های عامل تهدید (هدف 3.4) Threat Actor Motivations (OBJ 3.4)

  • مطالعه موردی: عوامل تهدید وابسته به دولت (هدف 3.4) Case Study: State-affiliated Threat Actors (OBJ 3.4)

  • نقطه بازبینی: عوامل تهدید هوش مصنوعی Checkpoint: AI Threat Actors

ریسک‌های هوش مصنوعی و تأثیرات اجتماعی AI Risks and Societal Impacts

  • ریسک‌های هوش مصنوعی و تأثیرات اجتماعی (هدف 3.5) AI Risks and Societal Impacts (OBJ 3.5)

  • دستورالعمل‌های اخلاقی (هدف 3.5) Ethical Guidelines (OBJ 3.5)

  • عدالت و برابری (هدف 3.5) Fairness and Equality (OBJ 3.5)

  • سوگیری و تبعیض (هدف 3.5) Bias and Discrimination (OBJ 3.5)

  • شفافیت و قابلیت توضیح (هدف 3.5) Transparency and Explainability (OBJ 3.5)

  • پاسخگویی و مسئولیت‌پذیری (هدف 3.5) Accountability and Responsibility (OBJ 3.5)

  • حریم خصوصی داده (هدف 3.5) Data Privacy (OBJ 3.5)

  • ریسک‌ها (هدف 3.5) Risks (OBJ 3.5)

  • تأثیرات اجتماعی (هدف 3.5) Societal Impacts (OBJ 3.5)

  • کاهش ریسک‌ها و تأثیرات اجتماعی (هدف 3.5) Mitigating Risks and Societal Impacts (OBJ 3.5)

  • مطالعه موردی: Compas (هدف 3.5) Case Study: Compas (OBJ 3.5)

  • نقطه بازبینی: ریسک‌های هوش مصنوعی و تأثیرات اجتماعی Checkpoint: AI Risks and Societal Impacts

شناسایی، مستندسازی و کاهش ریسک‌های سیستم هوش مصنوعی Identify, Document, and Mitigate AI System Risks

  • شناسایی، مستندسازی و کاهش ریسک‌های سیستم هوش مصنوعی (هدف 3.3) Identify, Document, and Mitigate AI System Risks (OBJ 3.3)

  • شناسایی ریسک (هدف 3.3) Risk Identification (OBJ 3.3)

  • شناسایی ریسک‌های امنیتی بالقوه (هدف 3.3) Identify Potential Security Risks (OBJ 3.3)

  • شناسایی ریسک‌های اخلاقی و اجتماعی (هدف 3.3) Identify Ethical and Societal Risks (OBJ 3.3)

  • شناسایی ریسک‌های عملیاتی (هدف 3.3) Identify Operational Risks (OBJ 3.3)

  • کاهش ریسک‌ها (هدف 3.3) Mitigate Risks (OBJ 3.3)

  • پیاده‌سازی کنترل‌های امنیتی (هدف 3.3) Implement Security Controls (OBJ 3.3)

  • پرداختن به سوگیری و عدالت (هدف 3.3) Address Bias and Fairness (OBJ 3.3)

  • افزایش شفافیت و قابلیت توضیح (هدف 3.3) Enhance Transparency and Explainability (OBJ 3.3)

  • تقویت محافظت از حریم خصوصی (هدف 3.3) Strengthen Privacy Protections (OBJ 3.3)

  • تضمین استحکام و قابلیت اطمینان (هدف 3.3) Ensure Robustness and Reliability (OBJ 3.3)

  • توسعه برنامه‌های مدیریت ریسک (هدف 3.3) Develop Risk Management Plans (OBJ 3.3)

  • انجام نظارت و بهبود مستمر (هدف 3.3) Conduct Continuous Monitoring and Improvement (OBJ 3.3)

  • مطالعه موردی: Crowdstrike (هدف 3.3) Case Study: Crowdstrike (OBJ 3.3)

  • نقطه بازبینی: شناسایی، مستندسازی و کاهش ریسک‌های سیستم هوش مصنوعی Checkpoint: Identify, Document, and Mitigate AI System Risks

فناوری‌ها، ابزارها و موارد استفاده هوش مصنوعی AI Technologies, Tools, and Use Cases

  • فناوری‌ها، ابزارها و موارد استفاده هوش مصنوعی (هدف 1.6) AI Technologies, Tools, and Use Cases (OBJ 1.6)

  • چارچوب‌ها و کتابخانه‌های هوش مصنوعی (هدف 1.6) AI Frameworks and Libraries (OBJ 1.6)

  • پلتفرم‌ها و سرویس‌های هوش مصنوعی (هدف 1.6) AI Platforms and Services (OBJ 1.6)

  • موارد استفاده مالی (هدف 1.6) Financial Use Cases (OBJ 1.6)

  • موارد استفاده در مراقبت‌های بهداشتی (هدف 1.6) Healthcare Use Cases (OBJ 1.6)

  • موارد استفاده در تولید (هدف 1.6) Manufacturing Use Cases (OBJ 1.6)

  • موارد استفاده در خرده‌فروشی (هدف 1.6) Retail Use Cases (OBJ 1.6)

  • مطالعه موردی: پلتفرم Nvidia Omniverse (هدف 1.6) Case Study: Nvidia Omniverse Platform (OBJ 1.6)

  • نقطه بازبینی: فناوری‌ها، ابزارها و موارد استفاده هوش مصنوعی Checkpoint: AI Technologies, Tools, and Use Cases

چارچوب مدیریت ریسک هوش مصنوعی NIST NIST AI RMF

  • چارچوب مدیریت ریسک هوش مصنوعی NIST (هدف 4.1) NIST AI RMF (OBJ 4.1)

  • هسته چارچوب مدیریت ریسک هوش مصنوعی NIST (هدف 4.1) NIST AI RMF Core (OBJ 4.1)

  • اجزای هسته (هدف 4.1) The Core's Components (OBJ 4.1)

  • چالش‌های پیاده‌سازی (هدف 4.1) Implementation Challenges (OBJ 4.1)

  • همسویی با اهداف تجاری (هدف 4.1) Alignment with Business Objectives (OBJ 4.1)

  • بهترین شیوه‌های چارچوب مدیریت ریسک هوش مصنوعی NIST (هدف 4.1) NIST AI RMF Best Practices (OBJ 4.1)

  • مطالعه موردی: خدمات وب آمازون (AWS) (هدف 4.1) Case Study: Amazon Web Services (AWS) (OBJ 4.1)

  • نقطه بازبینی: چارچوب مدیریت ریسک هوش مصنوعی NIST Checkpoint: NIST AI RMF

تابع حاکمیت The Govern Function

  • تابع حاکمیت (هدف 4.2) The Govern Function (OBJ 4.2)

  • حاکمیت 1 (هدف 4.2) Govern 1 (OBJ 4.2)

  • حاکمیت 2 (هدف 4.2) Govern 2 (OBJ 4.2)

  • حاکمیت 3 (هدف 4.2) Govern 3 (OBJ 4.2)

  • حاکمیت 4 (هدف 4.2) Govern 4 (OBJ 4.2)

  • حاکمیت 5 (هدف 4.2) Govern 5 (OBJ 4.2)

  • حاکمیت 6 (هدف 4.2) Govern 6 (OBJ 4.2)

  • مطالعه موردی: تابع حاکمیت (هدف 4.2) Case Study: Govern Function (OBJ 4.2)

  • نقطه بازبینی: تابع حاکمیت Checkpoint: The Govern Function

تابع نقشه‌برداری The Map Function

  • تابع نقشه‌برداری (هدف 4.3) The Map Function (OBJ 4.3)

  • نقشه‌برداری 1 (هدف 4.3) Map 1 (OBJ 4.3)

  • نقشه‌برداری 2 (هدف 4.3) Map 2 (OBJ 4.3)

  • نقشه‌برداری 3 (هدف 4.3) Map 3 (OBJ 4.3)

  • نقشه‌برداری 4 (هدف 4.3) Map 4 (OBJ 4.3)

  • نقشه‌برداری 5 (هدف 4.3) Map 5 (OBJ 4.3)

  • مطالعه موردی: تابع نقشه‌برداری (هدف 4.3) Case Study: Map Function (OBJ 4.3)

  • نقطه بازبینی: تابع نقشه‌برداری Checkpoint: The Map Function

تابع اندازه‌گیری The Measure Function

  • تابع اندازه‌گیری (هدف 4.4) The Measure Function (OBJ 4.4)

  • اندازه‌گیری 1 (هدف 4.4) Measure 1 (OBJ 4.4)

  • اندازه‌گیری 2 (هدف 4.4) Measure 2 (OBJ 4.4)

  • اندازه‌گیری 3 (هدف 4.4) Measure 3 (OBJ 4.4)

  • اندازه‌گیری 4 (هدف 4.4) Measure 4 (OBJ 4.4)

  • مطالعه موردی: تابع اندازه‌گیری (هدف 4.4) Case Study: Measure Function (OBJ 4.4)

  • نقطه بازبینی: تابع اندازه‌گیری Checkpoint: The Measure Function

تابع مدیریت The Manage Function

  • تابع مدیریت (هدف 4.5) The Manage Function (OBJ 4.5)

  • مدیریت 1 (هدف 4.5) Manage 1 (OBJ 4.5)

  • مدیریت 2 (هدف 4.5) Manage 2 (OBJ 4.5)

  • مدیریت 3 (هدف 4.5) Manage 3 (OBJ 4.5)

  • مدیریت 4 (هدف 4.5) Manage 4 (OBJ 4.5)

  • مطالعه موردی: تابع مدیریت (هدف 4.5) Case Study: Manage Function (OBJ 4.5)

  • نقطه بازبینی: تابع مدیریت Checkpoint: The Manage Function

پروفایل‌های چارچوب مدیریت ریسک هوش مصنوعی NIST NIST AI RMF Profiles

  • پروفایل‌های چارچوب مدیریت ریسک هوش مصنوعی NIST (هدف 5.1) NIST AI RMF Profiles (OBJ 5.1)

  • پروفایل‌ها (هدف 5.1) Profiles (OBJ 5.1)

  • اجزای یک پروفایل (هدف 5.1) Components of a Profile (OBJ 5.1)

  • مدیریت و برنامه زمانی سیستم هوش مصنوعی (هدف 5.1) AI System Management and Schedule (OBJ 5.1)

  • روش‌های اولویت‌بندی زیرمجموعه‌ها (هدف 5.1) Prioritization Methods of Subcategories (OBJ 5.1)

  • موارد استفاده پروفایل (هدف 5.1) Profile Use Cases (OBJ 5.1)

  • مطالعه موردی: UC برکلی (هدف 5.1) Case Study: UC Berkeley (OBJ 5.1)

  • نقطه بازبینی: پروفایل‌های چارچوب مدیریت ریسک هوش مصنوعی NIST Checkpoint: NIST AI RMF Profiles

استفاده از پروفایل‌های چارچوب مدیریت ریسک هوش مصنوعی NIST Utilizing NIST AI RMF Profiles

  • استفاده از پروفایل‌های چارچوب مدیریت ریسک هوش مصنوعی NIST (هدف 5.2 و هدف 5.3) Utilizing NIST AI RMF Profiles (OBJ 5.2 and OBJ 5.3)

  • ایجاد یک پروفایل (هدف 5.2 و هدف 5.3) Creation of a Profile (OBJ 5.2 and OBJ 5.3)

  • پیاده‌سازی یک پروفایل (هدف 5.2 و هدف 5.3) Implementation of a Profile (OBJ 5.2 and OBJ 5.3)

  • به‌روزرسانی یک پروفایل (هدف 5.2 و هدف 5.3) Updating a Profile (OBJ 5.2 and OBJ 5.3)

  • سفارشی‌سازی یک پروفایل (هدف 5.2 و هدف 5.3) Tailoring a Profile (OBJ 5.2 and OBJ 5.3)

  • چالش‌های مرتبط با پروفایل‌ها (هدف 5.2 و هدف 5.3) Challenges Associated with Profiles (OBJ 5.2 and OBJ 5.3)

  • بهترین شیوه‌ها برای پروفایل‌ها (هدف 5.3) Best Practices for Profiles (OBJ 5.3)

  • ابزارهای پیاده‌سازی و پشتیبانی از پروفایل‌ها Tools of Implementing and Supporting Profiles

  • مطالعه موردی: Workday Case Study: Workday

  • نقطه بازبینی: استفاده از پروفایل‌های چارچوب مدیریت ریسک هوش مصنوعی NIST Checkpoint: Utilizing NIST AI RMF Profiles

نتیجه‌گیری Conclusion

  • نتیجه‌گیری Conclusion

  • پاداش: بعد چه چیزی می‌آید؟ BONUS: What comes next?

  • آزمون آزمایشی کامل Full-length Practice Exam

نمایش نظرات

بنیاد امنیت هوش مصنوعی آکیلید (AKYLADE AI Security Foundation) – دوره کامل و آزمون
جزییات دوره
12 hours
184
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
1,030
4.8 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

Jason Dion • 1 Million+ Enrollments Worldwide Jason Dion • 1 Million+ Enrollments Worldwide

CISSP، CEH، Pentest+، CySA+، Sec+، Net+، A+، PRINCE2، ITIL

Dion Training Solutions • ATO for ITIL   PRINCE2 Dion Training Solutions • ATO for ITIL PRINCE2

دوره های فناوری اطلاعات، امنیت سایبری و مدیریت پروژه

Dion Training Solutions Dion Training Solutions

دوره های فناوری اطلاعات، امنیت سایبری و مدیریت پروژه

Alyson Laderman Alyson Laderman

Jason Dion • 28 Million+ Enrollments Worldwide Jason Dion • 28 Million+ Enrollments Worldwide