Build your ultimate AI agent
Kursbeskrivning
Artificiell intelligens (AI) och data finns överallt. Deras växande närvaro i vår vardag gör det ännu viktigare att vi hanterar data ansvarsfullt genom hela våra AI-projekt, oavsett om det gäller arbetet eller våra personliga projekt. Denna konceptuella kurs utforskar den grundläggande teorin bakom ansvarsfull AI-datastyrning, såsom säkerhet och transparens, innan den går vidare till licensiering, anskaffning och validering.
Lär dig om regelefterlevnad och licensiering
Med en förståelse för den grundläggande teorin kommer du att använda denna kunskap för att bedöma dina krav på efterlevnad och licensiering (och vid behov söka juridisk rådgivning). Du kommer att lära dig om några av de viktigaste dataskyddsreglerna, som HIPAA och GDPR, några av de vanligaste licenstyperna och hur du använder en datahanteringsplan för att säkerställa att ditt AI-projekt alltid förblir regelefterlevande.Källanvändning och användning av data på ett ansvarsfullt sätt
Ansvarsfulla datapraktiker handlar också om hur och var du hämtar din data. Du kommer att förstå om en källa är etisk eller inte, vilka begränsningar den kan ha och hur du integrerar data från olika källor.Granska dina data
Slutligen kommer du att lära dig om datarevision och hur du tillämpar datavalidering och åtgärdsstrategier för att säkerställa att dina data förblir fria från bias. Med alla dessa färdigheter kommer du att kunna bedöma data kritiskt och hantera den ansvarsfullt i alla AI-projekt. Dessutom kan du använda dessa färdigheter i alla framtida dataprojekt, vilket gör att du känner dig anpassningsbar och redo för vad som än kommer i din väg!Förkunskapskrav
Kursplan
Kursöversikt
1
Introduktion till ansvarsfull AI-datahantering
Lär dig om den grundläggande teorin bakom ansvarsfull datahantering inom AI. Du går igenom viktiga dimensioner som säkerhet, transparens, rättvisa och mer, innan du undersöker de mätvärden och utmaningar som är kopplade till dessa dimensioner och lär dig hur du balanserar ansvarsfull AI mot andra affärsmässiga och tekniska krav.
- Ansvarsfulla datadimensioner50 XP
- Att utveckla AI på ett ansvarsfullt sätt50 XP
- Ansvarsfull datas dimensioner100 XP
- Ansvarsfulla AI-mätvärden50 XP
- Planera ett ansvarsfullt AI-projekt50 XP
- Ansvarsfull dataanvändning100 XP
- Rättvisa i AI-projekt100 XP
- Utmaningar med ansvarsfull AI50 XP
- Avvägningar inom ansvarsfull AI100 XP
- Yrkesmässiga skyldigheter och etiskt uppträdande50 XP
2
Regelefterlevnad och licensiering
Datareglering är avgörande för att ett AI-projekt ska vara lagligt. Lär dig om viktiga regelverk, tredjepartslicenser och strategier för regelefterlevnad vad gäller informerat samtycke och datadelningsavtal (med juridisk rådgivning). Slutligen lär du dig att utveckla robusta datastyrningsstrategier och datahanteringsplaner för att säkerställa att projektet förblir regelefterlevande under hela sin livscykel.
3
Datainsamling
Navigera genom ett ansvarsfullt urval och en ansvarsfull integration av datakällor genom att förstå vikten av datas ursprung, karaktär och aktualitet, med betoning på regelefterlevnad, mångfald och rättvisa. Genom att utforska olika typer av bias och deras ursprung undersöker du datafairness och representation för att skapa ett heltäckande dataset för modellering.
4
Datavalidering och strategier för hantering av bias
Förstå datagranskningar, datavalidering och hantering av bias. Dataförbehandling och att upptäcka bias i modellering kan låta tungt – men med vanliga metoder och beprövade tekniker gör vi det hanterbart!
R
Ansvarsfull AI-datahantering
Kurs
slutförd
