Dziękujemy za wysłanie zapytania! Jeden z członków naszego zespołu skontaktuje się z Państwem wkrótce.
Dziękujemy za wysłanie rezerwacji! Jeden z członków naszego zespołu skontaktuje się z Państwem wkrótce.
Czas trwania 14 godzin
Plan Szkolenia
Podstawy: Akt UE o AI dla zespołów technicznych
- Istotne obowiązki i terminologia dla programistów i operatorów
- Zrozumienie praktyk zabronionych na mocy Artykułu 4 z perspektywy technicznej
- Mapowanie wymagań prawnych na mechanizmy kontroli inżynieryjnej
Bezpieczny i zgodny z przepisami cykl życia oprogramowania
- Struktura repozytorium i podejście policy-as-code w projektach AI
- Przegląd kodu i zautomatyzowane kontrole statyczne w poszukiwaniu ryzykownych wzorców
- Zarządzanie zależnościami i łańcuchem dostaw komponentów modeli
Projektowanie potoku CI/CD pod kątem zgodności
- Etapy potoku: budowanie, testowanie, walidacja, pakowanie, wdrażanie
- Integracja bramek nadzoru i zautomatyzowanych kontroli polityk
- Niezmienność artefaktów i śledzenie pochodzenia
Testowanie modeli, walidacja i kontrole bezpieczeństwa
- Testy walidacji danych i wykrywania stronniczości
- Testy wydajności, odporności i odporności na ataki adwersarialne
- Zautomatyzowane kryteria akceptacji i raportowanie testów
Rejestr modeli, wersjonowanie i pochodzenie
- Wykorzystanie MLflow lub odpowiednika do śledzenia pochodzenia modeli i metadanych
- Wersjonowanie modeli i zbiorów danych w celu zapewnienia odtwarzalności
- Rejestrowanie pochodzenia i tworzenie artefaktów gotowych do audytu
Kontrole środowiska uruchomieniowego, monitorowanie i obserwowalność
- Instrumentacja do rejestrowania danych wejściowych, wyjściowych i decyzji
- Monitorowanie dryfu modelu, dryfu danych i wskaźników wydajności
- Alertowanie, automatyczne wycofywanie zmian i wdrożenia kanarkowe
Bezpieczeństwo, kontrola dostępu i ochrona danych
- Zasada najmniejszych uprawnień IAM w środowiskach trenowania i serwowania modeli
- Ochrona danych treningowych i inferencyjnych w spoczynku i podczas przesyłania
- Zarządzanie sekretami i bezpieczne praktyki konfiguracyjne
Możliwość audytu i gromadzenie dowodów
- Generowanie logów w formacie do odczytu maszynowego i podsumowań czytelnych dla człowieka
- Pakowanie dowodów na potrzeby ocen zgodności i audytów
- Polityki przechowywania i bezpieczne magazynowanie artefaktów zgodności
Reagowanie na incydenty, raportowanie i usuwanie skutków
- Wykrywanie podejrzewanych praktyk zabronionych lub incydentów bezpieczeństwa
- Techniczne kroki izolacji, wycofywania i łagodzenia skutków
- Przygotowywanie raportów technicznych dla organów nadzoru i regulatorów
Podsumowanie i dalsze kroki
Wymagania
- Znajomość procesów tworzenia i wdrażania oprogramowania
- Doświadczenie w konteneryzacji i podstawowe pojęcia związane z Kubernetes
- Znajomość systemu kontroli wersji opartego na Git i praktyk CI/CD
Grupa docelowa
- Programiści tworzący lub utrzymujący komponenty AI
- Inżynierowie DevOps i platform odpowiedzialni za wdrażanie
- Administratorzy zarządzający infrastrukturą i środowiskami uruchomieniowymi
Opinie uczestników (1)
Zakres informacji - bardzo szeroki