لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
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
نمایش نظرات