آموزش اخلاق در هوش مصنوعی مسئولانه و مدیریت داده‌ها - آخرین آپدیت

امتیازدهی به موارد استفاده هوش مصنوعی: درک شش اصل و چارچوب بررسی AI Use-Case Scoring: Understand the Six Principles and the Review Framework

• صرف‌نظر کردن از بررسی اخلاق هوش مصنوعی Skipping the AI Ethics Review

• مطالعه و ارزیابی فرم پذیرش مورد استفاده هوش مصنوعی Read & Evaluate AI Use-Case Intake Form

امتیازدهی به موارد استفاده هوش مصنوعی: امتیازدهی به فرم و مستندسازی تصمیم AI Use-Case Scoring: Score a Form and Document a Decision

• امتیازدهی به فرم پذیرش مورد استفاده Scoring a Use-Case Intake Form

شناسایی سوگیری: تحلیل گزارش اسکن سوگیری و گزارش یافته‌ها Bias Detection: Analyze a Bias-Scan Report and Escalate Findings

• چه اتفاقی می‌افتد وقتی سوگیری در مدل مستقر شناسایی نشود What Happens When Bias Goes Undetected in a Deployed Model

• گزارش‌های اسکن سوگیری: معیارها، شاخص‌ها و سیگنال‌ها Bias-Scan Reports: Metrics, Indicators and Signals

کاهش سوگیری: ارزیابی گزینه‌ها و توجیه کنترل اخلاقی ترجیحی Bias Mitigation: Evaluate Options and Justify a Preferred Ethical Control

• وزن‌دهی مجدد ویژگی‌ها در مقابل پس‌پردازش و زمان استفاده از هر کدام Feature Reweighting vs. Post-Processing, and When to Use Each

اخلاق مجموعه‌داده‌ها: به‌کارگیری چک‌لیست اخلاق داده‌ها برای تایید یا رد مجموعه‌داده Dataset Ethics: Apply the Data Ethics Checklist to Approve or Reject a Dataset

• چرا داده‌های مدل یک ریسک حاکمیتی هستند Why Model Data is a Governance Risk

• راهنمای داخلی اخلاق داده‌ها Internal Data Ethics Guide

اخلاق مجموعه‌داده‌ها: تحلیل متادیتای تبار برای تامین اخلاقی و رضایت Dataset Ethics: Analyze Lineage Metadata for Ethical Sourcing and Consent

• ردیابی و علامت‌گذاری مشکلات مجموعه‌داده Tracing and Flagging Dataset Issues

طبقه‌بندی و نظارت بر داده‌ها: اجرای طرح طبقه‌بندی و برچسب‌های نگهداری Classify & Monitor Data: Apply Classification Schema and Enforce Retention Tags

• پیامدهای طبقه‌بندی نادرست امبدینگ‌ها (Embeddings) Consequences of Improper Embedding Classification

• داده‌ها و امبدینگ‌های چهار سطحی Four-Tier Data and Embeddings

طبقه‌بندی و نظارت بر داده‌ها: تحلیل داشبوردهای کیفیت و فعال‌سازی گردش کارهای اصلاحی Classify & Monitor Data: Analyze Quality Dashboards and Trigger Remediation Workflows

• کیفیت داده‌ها: رانش (Drift)، داده‌های پرت و آستانه‌ها Data Quality: Drift, Outliers, and Thresholds

• داشبورد رانش و تیکت‌های اصلاحی Drift Dashboard and Remediation Tickets

ماژول پروژه: بسته بررسی اخلاقی استقرار هوش مصنوعی Project Module: Ethical AI Review Package

• روایت شما از استقرار اخلاقی هوش مصنوعی Your Ethical AI Deployment Narrative