课程大纲

负责任的 AI 和道德简介

  • 定义负责任的 AI 和 AI 道德规范
  • AI 应用中道德考虑的重要性
  • 关键原则:公平、问责、透明

AI 中的偏差和缓解策略

  • 了解 AI 模型和数据中的偏差
  • 偏差的类型及其对 AI 结果的影响
  • 偏差缓解技术:预处理、处理中和后处理

AI 中的道德审计和问责制

  • AI 审计框架和工具简介
  • 进行审计以评估公平性和透明度
  • 在 AI 系统中实施问责措施

探索道德框架和合规性

  • 欧盟 AI 法案和 IEEE 标准等道德框架概述
  • AI 系统中的法律和法规合规性
  • 关于负责任的 AI 法规和行业标准的案例研究

在 AI 中构建透明度和可解释性

  • 可解释的 AI 技术简介
  • 构建可解释的模型以提高透明度
  • 使用工具实现模型可解释性和决策可追溯性

GoAI 中的生存和风险 Management

  • 为负责任的 AI 开发治理框架
  • AI 部署中的风险管理和道德注意事项
  • 利益相关者参与和监督的策略

道德 AI 的未来方向

  • AI 伦理的新趋势和挑战
  • 为未来的 AI 技术调整治理框架
  • 在组织内推广合乎道德的 AI 文化

总结和后续步骤

要求

  • 对 AI 和机器学习概念的基本了解
  • 熟悉数据隐私和合规性标准

观众

  • 对合乎道德的 AI 开发感兴趣的数据科学家和 AI 从业者
  • 负责监督 AI 监管的合规官和法律专业人士
  • Business 参与 AI 战略和治理的领导者和决策者
 14 小时

即将举行的公开课程

课程分类