Takk for at du sendte din henvendelse! En av våre teammedlemmer vil kontakte deg straks.
Takk for at du sendte din bestilling! En av våre teammedlemmer vil kontakte deg straks.
Varighet 7 timer
Kursplan
Grunnlag for ansvarkfull AI
- Hva er ansvarkfull AI og hvorfor er den viktig i programutvikling
- Prinsipper: rettferdighet, ansvar, transparens og personvern
- Eksempler på etiske feil og misbruk av AI i kodbaser
Bias og rettferdighet i AI-generert kode
- Hvordan LLMs kan forsterke bias gjennom treningsdata
- Å oppdage og rette bias eller usikker kodeforeslå
- AI-hallusinasjoner og risikoen for å introdusere feil i stor skala
Lisensiering, opphavstilhørighet og immaterielle rettigheter
- Å forstå open source-lisenser (MIT, GPL, Copyleft)
- Kreves opphavstilhørighet for LLM-genererte utganger?
- Å auditere AI-assistert kode for lisensieringsproblemene fra tredjeparter
Sikkerhet og samsvar i AI-assistert utvikling
- Sikre kodetrygghet og unngå usikre mønstre fra LLMs
- Samsvar med interne sikkerhetsdirektiver og bransjeregler
- Reviserbar dokumentasjon av AI-assisterte beslutninger
Policyer og styring for utviklingsteam
- Å opprette interne brukspolicyer for programteam
- Å definere godkjent bruk og røde flagg
- Verktøyvalg og ansvarlig onboarding av AI-assistenter
Vurdering og revisjon av AI-utganger
- Å bruke sjekklister for å vurdere påliteligheten til generert innhold
- Gjennomføre manuell og automatisk revisjon av AI-generert kode
- Beste praksis for peer review og godkjenningsprosesser
Oppsummering og neste trinn
Krav
- Grunnleggende forståelse av programutviklingsarbeid
- Kjennskap til Agile, DevOps eller generelle programprosjektpraksiser
Targetgruppe
- Samsvarsteam
- Utviklere
- Programprosjektledere
Referanser (1)
At jeg har skaffet kunnskap om Streamlit-biblioteket fra Python, og jeg vil sikkert prøve å bruke det for å forbedre applikasjonene i min gruppe som er laget i R Shiny.
Michal Maj - XL Catlin Services SE (AXA XL)
Kurs - GitHub Copilot for Developers
Maskinoversatt