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

سرفصل ها و درس ها

مقدمه دوره コース概要

• مقدمه دوره コース概要

حریم خصوصی در هوش مصنوعی AI のプライバシー

• مفاهیم حریم خصوصی در هوش مصنوعی AI のプライバシーの概要

• حریم خصوصی در داده‌های آموزشی: متدهای ناشناس‌سازی トレーニング データにおけるプライバシー: 匿名化の手法

• حریم خصوصی در داده‌های آموزشی: متدهای تصادفی‌سازی トレーニング データにおけるプライバシー: ランダム化の手法

• حریم خصوصی در آموزش مدل‌های ML: متد DP SGD ML トレーニングにおけるプライバシー: DP-SGD

• حریم خصوصی در آموزش مدل‌های ML: یادگیری فدرال ML トレーニングにおけるプライバシー: フェデレーション ラーニング

• سیستم‌های مدیریت کلید در Google Cloud Google Cloud でのシステム セキュリティ

• سیستم‌های مدیریت کلید در هوش مصنوعی مولد 生成 AI でのシステム セキュリティ

• آزمایشگاه: حریم خصوصی تفاضلی در ML با استفاده از TensorFlow Privacy ラボ: TensorFlow Privacy を使用した ML での差分プライバシー

• کورسر: شروع کار با Google Cloud Platform و Qwiklabs Coursera: Google Cloud Platform と Qwiklabs を使って開始する

ایمنی در هوش مصنوعی AI の安全性

• مفاهیم ایمنی در هوش مصنوعی AI の安全性の概要

• ارزیابی ایمنی 安全性評価

• پیشگیری از آسیب 損害の防止

• آموزش مدل‌ها برای ایمنی: فین‌تیونینگ با دستورالعمل 安全性のためのモデル トレーニング: 指示のファインチューニング

• آموزش مدل‌ها برای ایمنی: متد RLHF 安全性のためのモデル トレーニング: RLHF

• ایمنی در هوش مصنوعی مولد Google Cloud Google Cloud の生成 AI における安全性

• آزمایشگاه: استراتژی‌های تضمین ایمنی با استفاده از Vertex AI Gemini API ラボ: Vertex AI Gemini API を使用した安全保護対策

جمع‌بندی دوره コースのまとめ

• جمع‌بندی دوره コースのまとめ

منابع دوره コースのリソース