کانال تلگرام پشتیبانی تلگرام شماره تماس پشتیبانی: 0930 395 3766
ورود ثبت نام

آموزش اخلاق و ایمنی در هوش مصنوعی باز (Open AI) - آخرین آپدیت

دانلود Ethics and Safety in Open AI

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: دوره اخلاق و ایمنی در هوش مصنوعی باز برای توسعه‌دهندگان، مهندسان و سازندگان محصولات فنی طراحی شده است که با هوش مصنوعی مولد (Generative AI) آشنایی مقدماتی دارند و دانش متوسطی در یادگیری ماشین، تسلط پایه بر پایتون و آشنایی با محیط‌های توسعه مانند VS Code دارند و می‌خواهند راه‌حل‌های هوش مصنوعی مولد باز را بدون وابستگی به فروشنده (Vendor Lock-in)، مهندسی، شخصی‌سازی و مستقر کنند. این دوره به یادگیرندگان چارچوب‌ها و ابزارهای لازم برای اطمینان از استفاده مسئولانه از مدل‌های هوش مصنوعی مولد را آموزش می‌دهد. دوره با شناسایی و کاهش سوگیری (Bias) آغاز می‌شود، جایی که یادگیرندگان الگوهای مخرب در مجموعه‌داده‌ها و خروجی‌ها را شناسایی کرده، تکنیک‌های ارزیابی کمی را اعمال و استراتژی‌های کاهش سوگیری را پیاده‌سازی می‌کنند. در مرحله بعد، یادگیرندگان گاردریل‌های (Guardrails) ایمنی شامل اعتبارسنجی ورودی، فیلترینگ خروجی، نظارت بر محتوا و شیوه‌های رد-تیمینگ (Red-teaming) را برای تقویت سیستم‌های هوش مصنوعی در برابر سوءاستفاده طراحی و تست می‌کنند. ماژول نهایی شامل اصالت محتوا، مجوزها و انطباق است که در آن یادگیرندگان تکنیک‌های واترمارکینگ را اعمال کرده، استانداردهای اصالت مانند ائتلاف برای اصالت و اعتبار محتوا (C2PA) را پیاده‌سازی و مجموعه‌داده‌ها و مدل‌ها را از نظر رعایت مجوزها ارزیابی می‌کنند. چارچوب‌های نظارتی مانند مقررات عمومی حفاظت از داده‌ها (GDPR) و قانون حفظ حریم خصوصی مصرف‌کنندگان کالیفرنیا (CCPA) نیز معرفی می‌شوند. از طریق تمرین‌های عملی، یادگیرندگان لایه‌های ایمنی را ساخته، متادیتای اصالت را پیاده‌سازی و مستندات حسابرسی آماده برای انطباق را تهیه خواهند کرد. در پایان، یادگیرندگان قادر خواهند بود برنامه‌های هوش مصنوعی باز را با اولویت‌بندی ایمنی، انصاف و پاسخگویی طراحی کنند.
سرفصل ها و درس ها

شناسایی و کاهش سوگیری Bias Detection and Mitigation

  • پادکست: هزینه‌های پنهان مدل‌های سوگیرانه Podcast: The Hidden Costs of Biased Models

  • اندازه‌گیری سوگیری در خروجی‌های مدل Measuring Bias in Model Outputs

پیاده‌سازی گاردریل‌های ایمنی Implementing Safety Guardrails

  • چگونه گاردریل‌ها را عملیاتی کنیم How to Put Guardrails Into Action

اصالت محتوا، مجوزها و انطباق Content Provenance, Licensing, and Compliance

  • پادکست: وقتی نمی‌توانید واقعیت را اثبات کنید Podcast: When You Can’t Prove What’s Real

  • افزودن متادیتای اصالت Adding Provenance Metadata

  • پادکست: جعبه‌ابزار ایمنی هوش مصنوعی شما: درس‌هایی برای استفاده امروز Podcast: Your AI Safety Toolkit: Lessons You Can Use Today

  • پادکست: ساخت با مدل‌ها و ابزارهایی که ماندگار هستند Podcast: Building with Models and Tools That Last

نمایش نظرات

آموزش اخلاق و ایمنی در هوش مصنوعی باز (Open AI)
جزییات دوره
6h 40m
7
(آخرین آپدیت)
205
- از 5
دارد
دارد
دارد
Chris Croft

https://donyad.com/d/913464

جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Chris Croft Chris Croft

مربی مدیریت، سخنران، نویسنده

Cryptographic Protocols Data Integrity Data Validation Metadata Management Open Source Technology Model Evaluation General Data Protection Regulation (GDPR) Threat Modeling AI Security Data Ethics Generative AI Responsible AI Security Testing پروتکل‌های رمزنگاری یکپارچگی داده اعتبارسنجی داده مدیریت متادیتا فناوری متن‌باز ارزیابی مدل مقررات عمومی حفاظت از داده‌ها (GDPR) مدل‌سازی تهدید امنیت هوش مصنوعی اخلاق داده هوش مصنوعی مولد هوش مصنوعی مسئولانه تست امنیت