感谢您发送咨询!我们的团队成员将很快与您联系。
感谢您发送预订!我们的团队成员将很快与您联系。
课程大纲
理解人工智能和机器学习
- 什么是人工智能,如何定义?
- 机器学习作为人工智能的子集
- 人工智能的类型:弱AI、强AI、生成式、监督式、无监督式
人工智能在整个组织中的实践
- 当前AI/ML在业务职能中的存在领域
- 自动化、决策支持、客户服务和数据分析
- 在人力资源、财务、运营和合规中的用例
常见的治理挑战
- 与数据保护原则的冲突
- 自动决策中的合法性、公正性和透明度
- 准确性、数据最小化和存储限制
信息和数据管理基础
- 人工智能环境中的信息和记录管理
- 元数据和审计跟踪的重要性
- 维护训练数据集的数据质量和完整性
应对信息治理挑战
- 为AI/ML管道设计治理控制
- 人工监督和可解释性
- 建立跨职能治理团队
为AI/ML进行DPIA
- DPIA的法律要求和目的
- 评估拟议AI/ML实施的步骤
- 记录风险评估、缓解措施和理由
治理框架和风险管理
- AI特定治理框架概述
- ISO、NIST、ICO和OECD方法
- 风险登记册和政策文档
文化、整合和相关框架
- 嵌入负责任AI使用的文化
- 将AI治理与网络安全、道德和ESG政策联系起来
- 持续改进和监控
总结和后续步骤
要求
- 了解组织信息治理政策
- 熟悉数据保护或隐私法规
- 对人工智能或机器学习概念有一定了解更佳
受众
- 信息治理专业人士
- 数据保护官和合规经理
- 数字化转型或IT治理负责人
7 小时