Kursplan

Introduktion till ansvarsfull AI och etik

  • Definition av ansvarsfull AI och AI-etik
  • Viktigheten av etiska överväganden i AI-applikationer
  • Viktigaste principer: rättvisa, ansvarsskyldighet, genomskinlighet

Sneddrag i AI och minimieringsstrategier

  • Förståelse av sneddrag i AI-modeller och data
  • Typer av sneddrag och deras påverkan på AI-resultat
  • Sneddragsminimeringsmetoder: förbehandling, inomprocessering och efterbehandling

Etisk granskning och ansvarsskyldighet i AI

  • Introduktion till AI-granskningsramverk och verktyg
  • Genomförande av granskningar för att utvärdera rättvisa och genomskinlighet
  • Implementering av ansvarsskyldighetsåtgärder i AI-system

Utforskning av etiska ramverk och compliance

  • Översikt över etiska ramverk som EU:s AI-lagstiftning och IEEE-standarder
  • Juridisk och regelverkskompliance i AI-system
  • Fallstudier om ansvarsfulla AI-regleringar och branschstandarder

Byggande av genomskinlighet och förklarbarhet i AI

  • Introduktion till förklarbara AI-tekniker
  • Bygga tolkbara modeller för ökad genomskinlighet
  • Användning av verktyg för modellförklarbarhet och beslutsspårbarhet

Styrning och riskhantering i AI

  • Utveckling av styrningsramverk för ansvarsfull AI
  • Riskhantering och etiska överväganden vid AI-användning
  • Strategier för intressentengagemang och övervakning

Framtidsriktigheter inom etisk AI

  • Nyheter och utmaningar i AI-etik
  • Anpassning av styrningsramverk för framtida AI-teknologier
  • Främjande av en etisk AI-kultur inom organisationer

Sammanfattning och nästa steg

Krav

  • Grundläggande förståelse av AI och maskininlärningskoncept
  • Bekantskap med dataskydd och compliance-standarder

Målgrupp

  • Datavetare och AI-praktiker intresserade av etisk AI-utveckling
  • Complianceofficerar och juridiska experter som övervakar AI-reglering
  • Företagsledare och beslutsfattare involverade i AI-strategi och styrning
 14 timmar

Antal deltagare


Pris per deltagare

Kommande Kurser

Relaterade Kategorier