联系我们

课程大纲

理解人工智能与机器学习

  • 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:弱人工智能、强人工智能、生成式人工智能、监督学习、无监督学习

人工智能在组织中的应用

  • 人工智能/机器学习目前在业务职能中的存在
  • 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
  • 自动化决策中的合法性、公平性和透明度
  • 准确性、数据最小化和存储限制

信息与数据管理基础

  • 人工智能环境中的信息与记录管理
  • 元数据和审计追踪的重要性
  • 维护训练数据集的数据质量和完整性

应对信息治理挑战

  • 为人工智能/机器学习管道设计治理控制
  • 人类监督与可解释性
  • 建立跨职能治理团队

为人工智能/机器学习进行数据保护影响评估(DPIA)

  • DPIA的法律要求与目的
  • 评估拟议人工智能/机器学习实施的步骤
  • 记录风险评估、缓解措施和理由

治理框架与风险管理

  • 人工智能特定治理框架概述
  • ISO、NIST、ICO和OECD的方法
  • 风险登记册和政策文档

文化、整合与相关框架

  • 嵌入负责任的人工智能使用文化
  • 将人工智能治理与网络安全、道德和ESG政策联系起来
  • 持续改进与监控

总结与下一步

要求

  • 对组织信息治理政策的理解
  • 熟悉数据保护或隐私法规
  • 对人工智能或机器学习概念有所了解将有所帮助

受众

  • 信息治理专业人员
  • 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

即将举行的公开课程

课程分类