لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش هوش مصنوعی مسئولانه با امنیت و حاکمیت AWS
- آخرین آپدیت
دانلود Responsible AI with AWS Security and Governance
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
در دوره جامع هوش مصنوعی مسئولانه با AWS، مفاهیم امنیت و حاکمیت دادهها را به صورت تخصصی بیاموزید.
در دنیای امروز که توسط هوش مصنوعی هدایت میشود، ایجاد سیستمهای هوشمند به تنهایی کافی نیست؛ این سیستمها باید امن، اخلاقی و پاسخگو باشند. این دوره به شما میآموزد تا تکنیکهای هوش مصنوعی مسئولانه (Responsible AI) را با استفاده از فناوریهای AWS که برای حاکمیت، عدالت و انطباق طراحی شدهاند، به طور کامل مسلط شوید.
از طریق بررسی سناریوهای واقعی و فعالیتهای عملی، با مفاهیم بنیادی هوش مصنوعی مسئولانه، ریسکهای قانونی مرتبط با هوش مصنوعی مولد (Generative AI) و نحوه اعمال گاردریلهای مدل (Model Guardrails) برای تضمین شفافیت و عدالت آشنا خواهید شد.
این دوره تنها به تئوری نمیپردازد، بلکه نحوه پیادهسازی عملی امنیت را به شما نشان میدهد. شما با سرویسهای کلیدی AWS مانند Amazon Guardrails، Macie و A2I کار خواهید کرد و سیاستهای IAM، رمزنگاری دادهها و چارچوبهای انطباق را برای محافظت از مدلهای هوش مصنوعی در هر مرحله پیادهسازی میکنید.
این دوره برای متقاضیان آزمون AWS Certified AI Practitioner طراحی شده و برای افرادی که دانش قبلی در زمینه AI/ML و مبانی ابری AWS دارند، ایدهآل است.
در پایان این دوره، شما قادر خواهید بود راهکارهای هوش مصنوعی طراحی کنید که نه تنها هوشمند، بلکه امن، اخلاقی و قابل اعتماد باشند.
سرفصل ها و درس ها
درک هوش مصنوعی مسئولانه
Understanding Responsible AI
معرفی دوره
Course Introduction
اهداف یادگیری
Learning Objectives
مقدمهای بر هوش مصنوعی مسئولانه
Introduction to Responsible AI
اصول هوش مصنوعی مسئولانه
Principles of Responsible AI
گاردریلها برای هوش مصنوعی مسئولانه
Guardrails for Responsible AI
رویکردهای مسئولانه در انتخاب مدل
Responsible Practices in Model Selection
دمو: بررسی عملی Amazon Guardrail
Demo- Amazon Guardrail Walkthrough
ریسکهای قانونی هوش مصنوعی مولد
Legal Risks of Generative AI
جمعبندی
Summary
اهداف یادگیری
Learning Objectives
تفسیرپذیری و توضیحپذیری در هوش مصنوعی مسئولانه
Interpretability and Explainability for Responsible AI
ابزارهای AWS برای تفسیرپذیری و توضیحپذیری
AWS Tools for Interpretability and Explainability
نقش MLOps در هوش مصنوعی مسئولانه
Role of MLOps in Responsible AI
هوش مصنوعی مسئولانه با Amazon A2I
Responsible AI with Amazon A2I
دمو: شروع کار با هوش مصنوعی تقویتشده (Augmented AI)
Demo-Getting Started with Augmented AI
جمعبندی
Summary
امنیت و حاکمیت هوش مصنوعی در AWS
AI Security and Governance on AWS
هدف یادگیری
Learning Objective
معرفی AWS IAM
AWS IAM
نحوه عملکرد IAM
Working of IAM
هویتهای IAM
IAM Identities
سیاستهای IAM
IAM Policies
انواع سیاستهای IAM و Access Analyzer
IAM Policy Types & Access Analyzer
مزایای IAM
IAM Benefits
استفاده از IAM در مدلهای هوش مصنوعی
IAM Usage in AI Model
درک سیاستها و مجوزهای IAM برای مدلهای هوش مصنوعی
Understanding IAM Policies and Permissions for AI Model
دمو: ایجاد کاربران IAM
Demo - Creating IAM Users
دمو: فعالسازی MFA و ایجاد کلیدهای دسترسی
Demo - Enabling MFA and Creating Access Keys
دمو: ایجاد سیاستها با IAM
Demo - Creating Policies with IAM
دمو: ایجاد و تخصیص نقشها با IAM
Demo - Create and Assign Roles with IAM
رمزنگاری دادهها
Data Encryption
جمعبندی
Summary
اهداف یادگیری
Learning Objectives
معرفی AWS PrivateLink
AWS PrivateLink
معرفی Amazon Macie
Amazon Macie
مدل مسئولیت مشترک AWS
AWS Shared Responsibility Model
تبارشناسی دادهها و کاتالوگبندی دادهها
Data Lineage and Data Cataloging
استراتژیهای حاکمیت داده در سیستمهای هوش مصنوعی AWS
Data Governance Strategies in AI Systems on AWS
نمایش نظرات