تخفیف ویژه همین الان — دوره‌های تخفیف‌دار را ببینید.
روز
:
ساعت
:
دقیقه
:
ثانیه
تخفیف‌های ویژه
دوره آموزشی مقدمه ای بر حسابرسی سیستم های هوش مصنوعی

دوره آموزشی مقدمه ای بر حسابرسی سیستم های هوش مصنوعی

1 ساعت 19 دقیقهمبتدی2023-09-19

مدرسین

Ayodele Odubela

Ayodele Odubela

Data Scientist and AI Ethicist

جزئیات دوره

قوانین جدید درباره هوش مصنوعی اومده و ممکنه بخوای بدونی چطور باید خودتو باهاش وفق بدی. حالا اگه یه سازمان بزرگ، استارتاپ، یا کسی هستی که توی زمینه هوش مصنوعی کار می‌کنی، احتمالا می‌دونی که منابع آموزشی زیادی برای تیم‌های فنی وجود نداره. توی این دوره، آیودله اودوبلا یه نگاه عملی به این می‌ده که چطور می‌تونی هوش مصنوعی رو از نظر تبعیض و تعصب ارزیابی کنی تا سیستم‌های هوش مصنوعی عادلانه‌تری بسازی.

در این دوره، با اصول پایه قوانین جدید که استفاده از فناوری هوش مصنوعی رو تنظیم می‌کنه آشنا می‌شی و یاد می‌گیری چطور می‌تونی مراحل مختلف ممیزی هوش مصنوعی رو از نظر فنی طی کنی. متوجه می‌شی چطور قوانین فدرال ضد تبعیض می‌تونن روی سیستم‌های هوش مصنوعی تاثیر بذارند، چطور هم هوش مصنوعی با ریسک بالا و هم ریسک پایین رو ممیزی کنی، و چطور می‌تونی داده‌های مرجع رو برای ممیزی و بازبینی سیاست‌ها جمع‌آوری، توسعه، یا خریداری کنی. آیودله اصول محاسبه انصاف مدل‌ها رو توضیح می‌ده و بهت می‌گه کدوم اصول رو باید اولویت بدی و چرا، از جمله قابل توضیح بودن، شفافیت، تطابق با قوانین، و مستندسازی. بعد از اتمام این دوره، بیشتر متوجه می‌شی چطور از ابزارهای هوش مصنوعی مولد برای کاهش تعصب الگوریتمی استفاده کنی.

مهارت ها

Introduction toArtificial Intelligence FoundationsArtificial Intelligence (AI)

سرفصل ها

0. مقدمه

  • 01 - به دنیای جدید ممیزی هوش مصنوعی خوش آمدید

1. پارادایم جدید حسابرسی هوش مصنوعی

  • 02 - ممیزی هوش مصنوعی چیست
  • 03 - ممیزی چگونه استفاده می‌شود
  • 04 - وضعیت قوانین هوش مصنوعی
  • 05 - اخلاق امتیازدهی و طبقه بندی انسانها

2. چرا سیستم‌های هوش مصنوعی را حسابرسی کنیم؟

  • 06 - محدودیت‌ها و فرصت‌های حسابرسی هوش مصنوعی
  • 07 - گردش کار توسعه
  • 08 - عملکرد هوش مصنوعی
  • 09 - برابری آماری

3. داده‌های حسابرسی هوش مصنوعی

  • 10 - داده‌های حسابرسی هوش مصنوعی
  • 11 - منابع سوگیری در داده ها
  • 12 - انواع سوگیری و روش‌های نمونه گیری داده ها

4. اصول حسابرسی هوش مصنوعی

  • 13 - چرا توضیح پذیری اهمیت دارد
  • 14 - سطوح شفافیت
  • 15 - اصول هوش مصنوعی مسئول - رعایت
  • 16 - آمادگی برای مقررات هوش مصنوعی

5. مدل ممیزی

  • 17 - انواع ممیزی مدل
  • 18 - مراحل ممیزی مدل
  • 19 - مدل حسابرسی - وام مسکن
  • 20 - حسابرسی داده‌های آموزشی
  • 21 - نتایج حسابرسی - اظهارات قابل توضیح
  • 22 - ممیزی‌های مستمر

نتیجه

  • 23 - هوش مصنوعی مولد
  • 24 - مراحل بعدی

دوره های مرتبط

مسیرهای مرتبط

درباره ما

لینداکده یک بستر یادگیری پیشرو است که به افراد کمک می کند تا کسب و کار ، نرم افزار ، فناوری و مهارت‌های خلاقانه را برای دستیابی به اهداف شخصی و حرفه ای بیاموزد.

شماره تلفنکانال آپاراتپشتیبانی تلگرامکانال تلگرامپیج اینستاگرام

کلیه‌ی حقوق این سایت متعلق به لینداکده می باشد

قوانین و شرایط|حریم خصوصی

نماد الکترونیک enamad در صورت اتصال با آی‌پی داخل کشور، نمایش داده خواهد شد.
logo-samandehi - لوگو ساماندهی
zarinpal
zibal