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