آموزش مقدمه ای بر حسابرسی سیستم های هوش مصنوعی

Introduction to Auditing AI Systems

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:

مقررات AI اینجاست، بنابراین ممکن است تعجب کنید که چگونه سازگار شوید. و اگر یک سازمان سازمانی، استارت‌آپ یا متخصص هوش مصنوعی هستید، احتمالاً می‌دانید که منابع آموزشی موجود برای تیم‌های فنی بسیار کم است. در این دوره، مربی Ayodele Odubela به شما یک نمای کلی از نحوه ارزیابی هوش مصنوعی برای تعصب و تبعیض برای ایجاد سیستم‌های هوش مصنوعی عادلانه‌تر می‌دهد.

مبانی جدیدترین مقررات حاکم بر استفاده از فناوری هوش مصنوعی و همچنین نحوه پیمایش مراحل مختلف ممیزی هوش مصنوعی را از نظر فنی بررسی کنید. بیاموزید که چگونه قوانین تبعیض فدرال می‌تواند بر سیستم‌های هوش مصنوعی تأثیر بگذارد، چگونه هوش مصنوعی پرخطر و کم خطر را ممیزی کنید، و چگونه داده‌های معیار را برای حسابرسی و بررسی خط‌مشی جمع‌آوری، توسعه یا خریداری کنید. Ayodele به شما اصول اولیه محاسبه انصاف مدل و اینکه چه اصولی را باید اولویت بندی کنید و چرا، از جمله توضیح پذیری، شفافیت، انطباق و مستندسازی را نشان می دهد. پس از تکمیل این دوره، از نحوه استفاده از ابزارهای هوش مصنوعی برای کاهش تعصب الگوریتمی بیشتر آگاه خواهید شد.


سرفصل ها و درس ها

معرفی Introduction

  • به دنیای جدید ممیزی هوش مصنوعی خوش آمدید Welcome to the new world of AI audits

1. پارادایم جدید حسابرسی هوش مصنوعی 1. New Paradigm of AI Audits

  • ممیزی هوش مصنوعی چیست؟ What is an AI audit?

  • ممیزی چگونه مورد استفاده قرار می گیرد؟ How are audits used?

  • وضعیت قوانین هوش مصنوعی The state of AI legislation

  • اخلاق امتیازدهی و طبقه بندی انسان ها Ethics of scoring and classifying humans

2. چرا سیستم های هوش مصنوعی را حسابرسی کنیم؟ 2. Why Audit AI Systems?

  • عملکرد هوش مصنوعی AI performance

  • محدودیت ها و فرصت های حسابرسی هوش مصنوعی AI audit limitations and opportunities

  • گردش کار توسعه Development workflows

  • برابری آماری Statistical parity

3. داده های حسابرسی هوش مصنوعی 3. Data for AI Audits

  • انواع سوگیری و روش های نمونه گیری داده ها Types of bias and data sampling methods

  • داده های حسابرسی هوش مصنوعی Data for auditing AI

  • منابع سوگیری در داده ها Sources of bias in data

4. اصول حسابرسی هوش مصنوعی 4. Principles for AI Audits

  • آماده شدن برای مقررات هوش مصنوعی Preparing for AI regulation

  • اصول هوش مصنوعی مسئول: انطباق Responsible AI principles: Compliance

  • سطوح شفافیت Levels of transparency

  • چرا توضیح پذیری اهمیت دارد Why explainability matters

5. مدل ممیزی 5. Model Audits

  • ممیزی های مستمر Continuous audits

  • مراحل ممیزی مدل Stages of a model audit

  • ممیزی مدل: وام مسکن Model audit: Home loans

  • انواع ممیزی مدل Types of model audits

  • نتایج حسابرسی: اظهارات قابل توضیح Audit outcomes: Explainability statements

  • حسابرسی داده های آموزشی Auditing training data

نتیجه Conclusion

  • مراحل بعدی Next steps

  • هوش مصنوعی مولد Generative AI

نمایش نظرات

آموزش مقدمه ای بر حسابرسی سیستم های هوش مصنوعی
جزییات دوره
1h 19m
24
Linkedin (لینکدین) Linkedin (لینکدین)
(آخرین آپدیت)
1,817
- از 5
ندارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar