تخفیف ویژه همین الان — دوره‌های تخفیف‌دار را ببینید.
روز
:
ساعت
:
دقیقه
:
ثانیه
تخفیف‌های ویژه
دوره آموزشی حسابرسی هوش مصنوعی کاربردی در پایتون

دوره آموزشی حسابرسی هوش مصنوعی کاربردی در پایتون

1 ساعت 5 دقیقهمتوسط2024-07-23

مدرسین

Ayodele Odubela

Ayodele Odubela

Data Scientist and AI Ethicist

جزئیات دوره

مقررات هوش مصنوعی وارد شده است، و در حالی که گام‌های بلندپایه‌ای در جهت عملیاتی کردن اصول هوش مصنوعی وجود دارد، شاغلان باید از روش حسابرسی سیستم‌های هوش مصنوعی برای برآورده کردن استانداردهای انطباق و شفافیت استفاده کنند. این دوره، دانشمندان داده و مهندسان یادگیری ماشین را از طریق فرآیند فنی ممیزی یک سیستم هوش مصنوعی، گام به گام راهنمایی می کند. این دوره آموزشی عملی و فنی است که به شما نشان می‌دهد چگونه بی‌عدالتی‌ها و نابرابری‌ها را برای کشف سوگیری و توسعه سیستم‌های هوش مصنوعی منصفانه‌تر تعیین کنید. مربی Ayodele Odubela نحوه برنامه ریزی، اجرا و گزارش در مورد ممیزی های هوش مصنوعی را توضیح می دهد. تفاوت بین حسابرسی داده ها و الگوریتم ها، چارچوب هایی برای ممیزی های مقیاس پذیر، و چگونگی نقش زمینه و سوگیری تاریخی در ارائه توصیه های فنی را بیاموزید.

اهداف آموزشی
نحوه ممیزی سیستم های هوش مصنوعی با ریسک بالا و کم را بیاموزید
داده های معیار را برای حسابرسی جمع آوری، طراحی و مدیریت کنید
محاسبه و انجام تجزیه و تحلیل نابرابری
عادلانه بودن مدل را با بسته Fairlearn Python تعیین کنید
تصمیم بگیرید که از کدام معیار انصاف استفاده کنید
توصیه های فنی را پس از ممیزی ارائه دهید

مهارت ها

Responsible AIPythonArtificial Intelligence (AI)Programming LanguagesOpen SourceSoftware DevelopmentOne-Off

سرفصل ها

0. مقدمه

  • 01 - با هوش مصنوعی مسئولیت پذیر باشید - حسابرسی سیستم‌های هوش مصنوعی در پایتون
  • 02 - آنچه باید بدانید
  • 03 - استفاده از فایل‌های تمرین و مجموعه داده ها

1. مقدمه ای بر حسابرسی هوش مصنوعی کاربردی

  • 04 - حسابرسی هوش مصنوعی برای انطباق و انصاف
  • 05 - ذینفعان حسابرسی هوش مصنوعی
  • 06 - انصاف و انطباق محلی

2. حسابرسی داده ها

  • 07 - نحوه جمع‌آوری مجموعه داده‌های معیار
  • 08 - جمع‌آوری داده‌های اخلاقی و فراگیر
  • 09 - یک مجموعه داده را برای نمایش کاوش کنید
  • 10 - نمونه حسابرسی داده ها
  • 11 - چالش - حسابرسی یک مجموعه داده
  • 12 - راه حل - روش‌های افزایش بازنمایی در داده ها

3. AI مدل حسابرسی

  • 13 - ابزارهایی برای ممیزی هوش مصنوعی
  • 14 - تعیین محدوده یک ممیزی هوش مصنوعی
  • 15 - تنظیم مدل ممیزی
  • 16 - طبقه بندی کننده خود را از نظر انصاف حسابرسی کنید
  • 17 - چالش - حسابرسی طبقه بندی کننده
  • 18 - راه حل - حسابرسی یک طبقه بندی

4. حسابرسی سیستم و تجزیه‌و‌تحلیل خطا

  • 19 - تیم قرمز
  • 20 - تجزیه‌و‌تحلیل خطا
  • 21 - چالش - تحلیل خطا
  • 22 - راه حل - تحلیل خطا

5. مصنوعات حسابرسی

  • 23 - ارائه توصیه‌های حسابرسی
  • 24 - به اشتراک گذاشتن نتایج حسابرسی و افزایش پاسخگویی
  • 25 - توسل الگوریتمی
  • 26 - فایل تاریخچه طراحی الگوریتمی

نتیجه

  • 27 - ممنون که تماشا کردید

دوره های 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