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
Wprowadzenie do sztucznej inteligencji chroniącej prywatność
- Podstawowe zasady prywatności danych w aplikacjach mobilnych
- Regulacyjne czynniki napędzające sztuczną inteligencję działającą na urządzeniu
- Korzyści i ograniczenia przetwarzania lokalnego
Zrozumienie Nano Banana w kontekście prywatności na urządzeniu
- Architektura modelu Nano Banana
- Właściwości zabezpieczeń i lokalne ścieżki wykonywania
- Obsługiwane platformy i wzorce integracji mobilnej
Obsługa danych i techniki przetwarzania lokalnego
- Bezpieczne gromadzenie i przechowywanie wrażliwych danych na urządzeniu
- Minimalizowanie ekspozycji danych dzięki lokalnemu wnioskowaniu
- Strategie anonimizacji i pseudonimizacji
Wdrażanie funkcji sztucznej inteligencji chroniących prywatność
- Tworzenie funkcji opartych na sztucznej inteligencji bez przesyłania danych użytkowników
- Projektowanie przepływów pracy gotowych na potrzeby opieki zdrowotnej, finansów lub zgodności z przepisami
- Zapewnianie izolacji danych między komponentami aplikacji
Zagadnienia bezpieczeństwa dla modeli działających na urządzeniu
- Ochrona modeli przed wyodrębnieniem lub manipulacją
- Bezpieczne sandboxing i zarządzanie uprawnieniami
- Modelowanie zagrożeń dla mobilnych systemów sztucznej inteligencji
Zgodność i dopasowanie regulacyjne
- Zrozumienie implikacji RODO, HIPAA oraz sektora finansowego
- Dokumentowanie podejść uwzględniających prywatność już na etapie projektowania
- Utrzymywanie możliwości audytu bez narażania danych użytkowników
Testowanie i walidacja gwarancji prywatności
- Testowanie przepływów pracy pod kątem niezamierzonego wycieku danych
- Ocena kompromisów między dokładnością a prywatnością
- Ciągła walidacja w ramach aktualizacji aplikacji
Wdrażanie i utrzymanie aplikacji AI skoncentrowanych na prywatności
- Zarządzanie aktualizacjami modeli na urządzeniu
- Monitorowanie wydajności i zgodności w ujęciu długoterminowym
- Przygotowanie aplikacji na przyszłe zmiany regulacyjne
Podsumowanie i kolejne kroki
Wymagania
- Znajomość tworzenia aplikacji mobilnych lub ogólnych zasad programowania
- Doświadczenie w pracy z językiem Python, Kotlin lub Swift
- Podstawowa znajomość pojęć związanych ze sztuczną inteligencją lub uczeniem maszynowym
Grupa docelowa
- Zespoły korporacyjne
- Specjaliści ds. zgodności
- Programiści tworzący wrażliwe aplikacje
Opinie uczestników (1)
Przepływ, energia i tematyka prezentacji
Lukasz Kowalczyk - Allegro Sp. z o.o.
Szkolenie - Google Gemini AI for Data Analysis
Przetłumaczone przez sztuczną inteligencję
