Kursplan

Grunnleggende prinsipper for ansvarlig AI

  • Hva ansvarlig AI er og hvorfor det er viktig i programutvikling
  • Prinsipper: rettferdighet, ansvarlighet, gjennomsiktighet og personvern
  • Eksempler på etiske feil og misbruk av AI i kodebaser

Forskrinnelse og rettferdighet i AI-generert kode

  • Hvordan LLMs kan forsterke fordommer gjennom treningdata
  • Oppdagelse og retting av fordomsfull eller usikker kodeforslag
  • AI-hallusinasjoner og risikoen for å innføre feil i stor skala

Lisensiering, henvisning og IP-oversikt

  • Forståelse av åpne kilder lisenser (MIT, GPL, Copyleft)
  • Krever LLM-genererte utdata henvisning?
  • Sjekk AI-hjelpet kode for lisensproblemer fra tredjeparter

Sikkerhet og overholdelse i AI-hjelpet utvikling

  • Sikre kodens sikkerhet og unngå usikre mønstre fra LLMs
  • Overholdelse av interne sikkerhetsretningslinjer og branse-reguleringer
  • Dokumentasjon av AI-hjelpet beslutningstaking som kan sjekkes

Politikk og styring for utviklingsteam

  • Opprette interne AI-bruksretningslinjer for programteam
  • Definere akseptabel bruk og advarselsflagg
  • Verktøyvalg og ansvarlig onboarding av AI-assistenter

Vurdering og revisjon av AI-utdata

  • Bruk sjekklister til å vurdere påliteligheten av generert innhold
  • Utføre manuelle og automatiserte revisjoner av AI-generert kode
  • Beste praksis for medarbeidersamarbeid og godkjenning

Oppsummering og neste trinn

Krav

  • Grunnleggende forståelse av programvareutviklingsarbeidsflyter
  • Kjennskap til Agile, DevOps, eller generelle programvareprosjektpraksis

Målgruppe

  • Overtredelseskontrollteam
  • Utviklere
  • Programvareprosjektleder
 7 timer

Antall deltakere


Price per participant

Upcoming Courses

Related Categories