Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
Kursplan
Grunderna för ansvarsfull AI
- Vad är ansvarsfull AI och varför det är viktigt inom programutveckling
- Principer: rättvisa, ansvarighet, öppenhet och integritet
- Exempel på etiska misslyckanden och missbruk av AI i kodbaser
Fördomar och rättvisa i AI-genererad kod
- Hur LLMs kan förstärka fördomar genom träning av data
- Upptäckande och åtgärder för fördomsfull eller osäker kodförslag
- AI-hallucination och risken för att införa fel i stor skala
Licensiering, attribuering och IP-överväganden
- Förståelse av öppen källkodslicenser (MIT, GPL, Copyleft)
- Krävs attribuering för LLM-genererade utdata?
- Granskning av AI-assisterad kod för tredje parts licensproblem
Säkerhet och överensstämmelse i AI-assisterad utveckling
- Säkerställa kodens säkerhet och undvika osäkra mönster från LLMs
- Överensstämmelse med interna säkerhetsriktlinjer och branschregler
- Granskningsbar dokumentation av AI-assisterat beslutsfattande
Policy och Gostyrning för utvecklingsteam
- Skapa interna AI-användningspolicyer för programteam
- Definiera acceptabel användning och varningssignaler
- Verktygsval och ansvarsfull implementering av AI-assistenter
Utvärdering och granskning av AI-output
- Användning av checklistor för att bedöma trovärdigheten av genererat innehåll
- Utförande av manuella och automatiserade granskningar av AI-genererad kod
- Bäst praxis för peer-review och godkännandeprocesser
Sammanfattning och nästa steg
Krav
- Grundläggande förståelse för programvaruutvecklingsprocesser
- Kännedom om Agile, DevOps, eller allmänna programvaruprojektpraktiker
Målgrupp
- Efterlevnadslagar
- Utvecklare
- Programvaruprojektledare
7 timmar