تخفیف ویژه همین الان — دوره‌های تخفیف‌دار را ببینید.
روز
:
ساعت
:
دقیقه
:
ثانیه
تخفیف‌های ویژه
دوره آموزشی درک و پیاده سازی فریم‌ورک مدیریت ریسک هوش مصنوعی NIST (RMF)

دوره آموزشی درک و پیاده سازی فریم‌ورک مدیریت ریسک هوش مصنوعی NIST (RMF)

1 ساعت 23 دقیقهمتوسط2024-07-17

مدرسین

Lyron Andrews

Lyron Andrews

جزئیات دوره

به نظر می رسد این روزها هوش مصنوعی در ذهن همه است. اما در حالی که هوش مصنوعی می تواند مفید باشد، خطرات جدی ایجاد می کند، بنابراین ایجاد فرهنگ بهترین شیوه ها و دستورالعمل ها ضروری است. امروزه سازمان‌ها باید یک طرح مدیریت ریسک هوش مصنوعی اتخاذ کنند تا اطمینان حاصل شود که مزایای استفاده از هوش مصنوعی حفظ می‌شود، اما خطرات برای رفع نیازهای کسب‌وکار کاهش می‌یابد.

در این دوره، مربی Lyron Andrews یک نمای کلی از شش عنصر NIST AI Risk Management Framework (RMF) ارائه می دهد و نشان می دهد که چگونه می توان آنها را به طور موثر، کارآمد و اخلاقی در یک تجارت به کار برد. پس از اتمام این دوره، شما آماده پیاده سازی و حفظ چارچوب مدیریت ریسک در سازمان خود خواهید بود.

اهداف یادگیری
نیاز به چارچوب مدیریت ریسک هوش مصنوعی (RMF) را درک کنید و عناصر و ساختار کلیدی NIST AI RMF را شرح دهید.
خطرات، اثرات و آسیب های هوش مصنوعی را شناسایی و تجزیه و تحلیل کنید.
توضیح دهید که چگونه مفاهیم قابل اعتماد، اثربخشی و تحمل ریسک با مدیریت ریسک هوش مصنوعی مرتبط است.
از چهار عملکرد هسته AI RMF (حکومت، نقشه، اندازه گیری و مدیریت) برای ایجاد زمینه، ارزیابی ریسک ها و تخصیص منابع برای مدیریت ریسک های هوش مصنوعی در یک سازمان استفاده کنید.
از نمایه‌های AI RMF، وظایف بازیگر و ابزارها برای ایجاد زمینه خاصی برای فعالیت‌های مدیریت ریسک هوش مصنوعی و مقایسه ریسک‌های هوش مصنوعی با ریسک‌های سنتی مرتبط با نرم‌افزار و تعامل انسانی استفاده کنید.

مهارت ها

Responsible AIArtificial Intelligence (AI)One-Off

سرفصل ها

0. مقدمه

  • 01 - چارچوب مدیریت ریسک NIST را پیاده‌سازی کنید

1. بررسی اجمالی - نیاز به یک چارچوب مدیریت ریسک هوش مصنوعی

  • 02 - چرا نیاز به AI RMF
  • 03 - منشا و نمای کلی NIST AI RMF

2. بخش‌های 1-2 - ریسک چارچوب‌بندی اطلاعات بنیادی

  • 04 - درک و رسیدگی به خطرات، اثرات و آسیب‌ها - بخش 1.1
  • 05 - چالش ‌ها , اندازه‌گیری و تحمل - بخش‌های 1.2-1.2.2
  • 06 - اولویت بندی و ادغام - بخش‌های 1.2.3-1.2.4
  • 07 - مخاطب - بخش 2

3. بخش 3-4 - خطرات هوش مصنوعی، قابل اعتماد بودن و اثربخشی

  • 08 - قابل اعتماد، معتبر و قابل اعتماد - بخش 3 3.1
  • 09 - ایمن، ایمن، انعطاف پذیر، پاسخگو و شفاف - بخش 3.2 3.4
  • 10 - قابل توضیح، قابل تفسیر و حریم خصوصی - بخش 3.5 3.6
  • 11 - منصفانه، با سوگیری مضر مدیریت شده - بخش 3.7
  • 12 - اثربخشی - بخش 4

4. بخش 5 - هسته

  • 13 - AI RMF Core - بخش 5
  • 14 - حکومت کنید - بخش 5.1، ج1
  • 15 - حکومت کنید - بخش 5.1، C2 3
  • 16 - حکومت کنید - بخش 5.1، ج4 6
  • 17 - نقشه - بخش 5.2، ج1
  • 18 - نقشه - بخش 5.2، C2 5
  • 19 - اندازه‌گیری - بخش 5.3، ج1
  • 20 - اندازه‌گیری - بخش 5.3، C2 4
  • 21 - مدیریت - بخش 5.4
  • 22 - استفاده از Playbook برای عملیاتی کردن AI RMF Core

5. بخش 6، ضمیمه AD - AI RMF Profiles

  • 23 - بررسی اجمالی پروفایل‌ها - بخش 6
  • 24 - بررسی اجمالی ضمایم م

نتیجه

  • 25 - از کجا شروع می‌کنید

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