聯繫我們

課程簡介

理解AI與機器學習

  • AI是什麼?其定義為何?
  • 作為子集的機器學習
  • AI類型:弱型、強型、生成式、監督式、非監督式

AI在各組織中的實踐

  • AI/ML當前存在於哪些業務功能領域?
  • 自動化、決策支持、客戶服務及分析應用
  • HR(人力資源)、財務、運營和合規用例

常見治理挑戰

  • 與數據保護原則衝突的問題
  • 自動化決策中的合法性、公平性和透明度要求
  • 準確性、數據最小化及存儲限制挑戰

資訊與數據管理的基礎知識

  • AI背景下的信息及記錄管理方法
  • 元數據和審計軌跡的重要性
  • 維持訓練數據集的質量及完整性措施

應對資訊治理挑戰的方法論

  • 設計AI/ML管道治理控制機制
  • 人工監控與可解釋性方案
  • 建立跨職能治理團隊策略

AI/ML的DPIA執行指南

  • DPIAs法律要求及目的說明
  • 評估擬議AI/ML實施步驟分解
  • 記錄風險評估、緩解措施及理由依據

治理框架與風險管理策略

  • AI專有治理框架概覽介紹
  • ISO標準、NIST指南、ICO指引和OECD建議應用
  • 風險登記簿及政策文件編制方法

文化建設與框架整合途徑

  • 植入負責任AI使用文化的實踐方案
  • AI治理連接網絡安全、倫理及ESG政策方法
  • 持續改進和監控機制建設

總結與後續行動建議

最低要求

  • 理解組織資訊治理政策
  • 熟悉數據保護或隱私法規
  • 對AI或機器學習概念有一定認識更佳

對象

  • 資訊治理專業人士
  • 數據保護官和合規經理
  • 數位變革或IT治理領導者
 7 小時

課程分類