Kom i kontakt
 Varaktighet 7 timmar

Kursplan

Grundvalen för ansvarsfull AI

  • Vad är ansvarsfull AI och varför är den viktig i mjukvaruutveckling
  • Principer: rättvisa, ansvar, transparens och integritet
  • Exempel på etiska misslyckanden och missbruk av AI i kodbaser

Bias och rättvisa i kod genererad med hjälp av AI

  • Hur LLM:s kan förstärka bias via träningsdata
  • Att upptäcka och åtgärda bias eller osäkra kodförslag
  • AI-hallucinationer och risken att introducera fel i stor skala

Licensiering, referenshantering och immaterialrätt

  • Förståelse för open-source-licenser (MIT, GPL, Copyleft)
  • Kräver utdata genererade av LLM referenshantering?
  • Granskning av AI-assisterad kod för licensfrågor gällande tredjepart

Säkerhet och regelkonformitet i AI-assisterad utveckling

  • Att säkerställa kodsäkerhet och undvika osäkra mönster från LLM:s
  • Regelkonformitet med interna säkerhetsriktlinjer och branschregler
  • Granskbar dokumentation av beslutsfattande med AI-stöd

Politik och styrning för utvecklingsteam

  • Skapa interna riktlinjer för användning av AI för mjukvaruteam
  • Definera acceptabel användning och varningsflaggor
  • Verktygval och ansvarsfull introduktion av AI-assisterare

Utvärdering och granskning av AI-utdata

  • Använda kontrolllistor för att bedöma tillförlitligheten hos genererat innehåll
  • Genomföra manuell och automatiserad granskning av kod genererad med hjälp av AI
  • Bästa praxis för peer-granskning och godkännandeprocesser

Sammanfattning och nästa steg

Krav

  • Grundläggande förståelse för mjukvaruutvecklingsflöden
  • Kännedom till Agile, DevOps eller allmänna mjukvaruprojektmetoder

Targetgrupp

  • Compliance-team
  • Utvecklare
  • Mjukvaruprojektledare

Antal deltagare


Pris per deltagare

Vittnesmål (1)

Kommande Kurser

Relaterade Kategorier