Kursplan

Innføring i etisk AI og etikk

  • Definisjon av etisk AI og AI-etikk
  • Viktigheten av etiske vurderinger i AI-applikasjoner
  • Kjerneprinsipper: rettferdighet, ansvarlighet, gjennomsiktighet

Bias i AI og reduseringsstrategier

  • Forståelse av bias i AI-modeller og data
  • Typer bias og deres effekter på AI-resultater
  • Bias-reduksjonsteknikker: forbehandlings-, in-behandling- og etterbehandlingsmetoder

Etisk gjennomsyn og ansvarlighet i AI

  • Innføring i AI-gjennomseendes rammer og verktøy
  • Gjennomsyn for å vurdere rettferdighet og gjennomsiktighet
  • Implementering av ansvarsforhold i AI-systemer

Oversikt over etiske rammer og komplians

  • Oversikt over etiske rammer som EU AI Act og IEEE-standarder
  • Juridisk og regulativ komplians i AI-systemer
  • Fallstudier om ansvarlig AI-regulering og bransjestandarder

Bygging av gjennomsiktighet og forklarbarhet i AI

  • Innføring i teknikker for forklarbar AI
  • Bygging av tolkbare modeller for økt gjennomsiktighet
  • Bruk av verktøy for modellforklarbarhet og beslutningsforståelse

Styring og risikohåndtering i AI

  • Utvikling av styringsrammer for etisk AI
  • Risikohåndtering og etiske vurderinger i AI-utformingen
  • Strategier for deltakerinvolvering og overvåking

Fremtidige retninger i etisk AI

  • Nyopptatte trender og utfordringer i AI-etikk
  • Tilpasning av styringsrammer for fremtidige AI-teknologier
  • Fremme en etisk AI-kultur i organisasjoner

Oppsummering og neste trinn

Krav

  • Grunnleggende forståelse av AI og maskinlæringskonsepter
  • Familiaritet med datatilsyn og kompliansstandarder

Målgruppe

  • Datascientists og AI-praksisere interessert i etisk AI-utvikling
  • Kompliansansatte og juridiske profesjonelle som overvåker AI-regulering
  • Virksomhetsledere og beslutningstakere involvert i AI-strategi og styring
 14 timer

Antall deltakere


Pris per deltaker

Kommende kurs

Relaterte kategorier