感謝您提交詢問!我們的一位團隊成員將在短時間內與您聯繫。
感謝您提交預訂!我們的一位團隊成員將在短時間內與您聯繫。
課程時長 14 時間:
課程簡介
基礎篇:面向技術團隊的《歐盟人工智能法案》
- 開發人員及運營商相關義務及術語
- 從技術角度理解第四條下的禁止行為
- 將法律要求映射至工程控制措施
安全且合規的開發生命周期
- 人工智能項目的代碼庫結構及策略即代碼(Policy-as-code)
- 針對風險模式的代碼審查及自動化靜態檢查
- 模型組件的依賴及供應鏈管理
面向合規的CI/CD管線設計
- 管線階段:構建、測試、驗證、打包、部署
- 集成治理門控及自動化策略檢查
- 工件不可變性及來源追蹤
模型測試、驗證及安全檢查
- 數據驗證及偏見檢測測試
- 性能、穩健性及對抗性韌性測試
- 自動化接受標準及測試報告
模型註冊、版本管理及來源追溯
- 使用MLflow或類似工具進行模型譜系及元數據管理
- 模型及數據集的版本管理以確保可重現性
- 記錄來源並產出可供審計的工件
運行時控制、監控及可觀察性
- 輸入、輸出及決策的日誌記錄 instrumentation
- 監控模型漂移、數據漂移及性能指標
- 告警、自動回滾及灰度發布(Canary deployments)
安全、訪問控制及數據保護
- 模型訓練及服務環境的最小特權IAM
- 保護靜態及傳輸中的訓練與推斷數據
- 密钥管理及安全配置實踐
審計能力及證據收集
- 生成機器可讀日誌及人類可讀摘要
- 為符合性評估及審計打包證據
- 合規工件的保留策略及安全存儲
事故響應、報告及修復
- 檢測疑似禁止行為或安全事故
- 遏制、回滾及緩解的技術步驟
- 為治理機構及監管機構準備技術報告
總結及後續步驟
最低要求
- 理解軟件開發及部署工作流
- 具備容器化及基本的Kubernetes概念經驗
- 熟悉基於Git的源代碼控制及CI/CD實踐
目標受眾
- 構建或維護人工智能組件的開發人員
- 負責部署的DevOps及平台工程師
- 管理基礎設施及運行時環境的管理員