联系我们

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

即将举行的公开课程

课程分类