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 7 godzin
Plan Szkolenia
Podstawy odpowiedzialnej AI
- Czym jest odpowiedzialna AI i dlaczego ma znaczenie w tworzeniu oprogramowania
- Zasady: sprawiedliwość, odpowiedzialność, przejrzystość i prywatność
- Przykłady niepowodzeń etycznych i niewłaściwego wykorzystania AI w bazach kodu
Stronniczość i sprawiedliwość w kodzie generowanym przez AI
- Jak modele LLM mogą wzmacniać stronniczość poprzez dane treningowe
- Wykrywanie i naprawianie stronniczych lub niebezpiecznych sugestii kodu
- Halucynacje AI i ryzyko wprowadzania błędów na dużą skalę
Licencjonowanie, oznaczanie autorstwa i kwestie własności intelektualnej
- Zrozumienie licencji open source (MIT, GPL, Copyleft)
- Czy wyniki generowane przez LLM wymagają oznaczenia autorstwa?
- Audyt kodu wspomaganego przez AI pod kątem problemów z licencjami stron trzecich
Bezpieczeństwo i zgodność w tworzeniu wspomaganym przez AI
- Zapewnianie bezpieczeństwa kodu i unikanie niebezpiecznych wzorców z modeli LLM
- Zgodność z wewnętrznymi wytycznymi bezpieczeństwa i regulacjami branżowymi
- Dokumentacja podlegająca audytowi dotycząca podejmowania decyzji wspomaganego przez AI
Polityka i zarządzanie dla zespołów programistycznych
- Tworzenie wewnętrznych polityk wykorzystania AI dla zespołów programistycznych
- Definiowanie akceptowalnego wykorzystania i sygnałów ostrzegawczych
- Wybór narzędzi i odpowiedzialne wdrażanie asystentów AI
Ocena i audyt wyników AI
- Korzystanie z list kontrolnych do oceny wiarygodności generowanych treści
- Przeprowadzanie ręcznych i automatycznych przeglądów kodu generowanego przez AI
- Najlepsze praktyki w zakresie wzajemnej weryfikacji i procesów zatwierdzania
Podsumowanie i kolejne kroki
Wymagania
- Podstawowa znajomość przepływów pracy w tworzeniu oprogramowania
- Znajomość praktyk Agile, DevOps lub ogólnych praktyk projektów programistycznych
Grupa docelowa
- Zespoły ds. zgodności
- Programiści
- Menedżerowie projektów programistycznych
Opinie uczestników (1)
Zdobyłem wiedzę na temat biblioteki Streamlit w Pythonie i na pewno spróbuję ją wykorzystać, aby ulepszyć aplikacje w moim zespole, które są tworzone w R Shiny.
Michal Maj - XL Catlin Services SE (AXA XL)
Szkolenie - GitHub Copilot for Developers
Przetłumaczone przez sztuczną inteligencję