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。
課程簡介
第一天:建立基礎——匯入、搜索與檢索
模組1:法律工程師的環境
- 學習目標——理解角色定位、AI在法律工作中的應用場景,以及貫穿始終的兩大風險。
- 主題
-
- 法律工程師的角色及其近期受聘原因
- AI的應用場景:電子證據披露、審查、合約、研究、調查;EDRM模型的通俗解釋
- 自行開發與購買方案的抉擇
- 貫穿始終的兩大風險:機密性/特權保護與可防禦性
模組2:法律數據雜亂——匯入與提取
- 學習目標——應對大規模法律數據的現實挑戰。
- 主題
- 1,400多種文件格式、電子郵件與PST檔案、掃描紙張、載入文件(.dat/.opt);關鍵嵌入式元數據
- 文字提取(Tika)、OCR及去重策略
- 實驗室:FreeEed匯入模組——針對刻意雜亂的文件集(email/PST、掃描檔、載入文件)構建匯入流程
模組3:搜索與檢索——基礎核心
- 學習目標——構建電子證據披露的核心原語:能在所有數據中找到任何內容。
- 主題——全文索引與搜索(Solr/Lucene);相關性、元數據和日期過濾;跨OCR識別內容的搜索
- 實驗室:電子證據搜索——對語料庫進行索引,並執行真實類型的電子證據搜索,包括在OCR掃描內部搜索
模組4:面向法律文件的RAG技術——帶引用來源
- 學習目標——構建能引用來源的法律文件RAG系統。
- 主題
- 為何選擇檢索而非微調處理敏感資料——模型不會吞併文件內容
- 分塊、嵌入,以及最關鍵的引用來源與溯源
- 多文件與對話摘要生成
- 實驗室:帶引用的法律RAG系統——構建能回答問題並標註來源引用的RAG問答系統
第二天:確保私密、可防禦且可交付
模組5:私密性、特權與本地服務——特權陷阱
- 學習目標——保持法律數據本地化並能認證其安全性。
- 主題
- 數據進入雲端AI時的實際流向
- 特權放棄、能力義務及「私密」光譜(合約層面與物理層面)
- Morgan v. V2X案及其對本地部署法庭防禦力的意義
- 本地模型部署(Ollama / vLLM)及出口流量監控
- 實驗室:本地模型與出口證明——端到端運行本地模型,並透過監控證明無數據外洩
模組6:可防禦AI審查
- 學習目標——測量並記錄AI審查結果以確保其法律效力。
- 主題
- 法庭採納的關鍵指標:召回率、誤判檢索率、精確度、真實基礎驗證;TAR(技術輔助審查)/主動學習
- 透明度(為何為此文件分類)和可重現性——鎖定模型版本、固定參數記錄一切
- 「可防禦案例快照」機制,使他人一年後重現審查並獲得相同結果
- 實驗室:可防禦審查——針對盲測基準驗證AI審查結果,並生成可重現性包
模組7:交付——工作流、本地部署與治理
- 學習目標——整合各組件至工作流,進行本地部署並評估系統。
- 主題
- 多步驟法律工作流(匯入→搜索→摘要→審查→輸出),包含人工介入節點
- 私有/本地部署核心要素(容器化;保持數據在組織內部)
- 簡述法律領域的AI治理,及透過SAIS-100(大象級別安全AI評分)對系統進行評分
- 實驗室:評分與打包——連接多步驟工作流,使用SAIS-100評分並打包以供私有部署
畢業專題(貫穿第二天)
- 端到端構建私密且可防禦的法律AI應用程式——匯入雜亂語料庫,執行搜索,使用本地模型帶引用回答問題,測量可防禦審查結果,並打包以進行私有部署。
- 學員將帶走一份作品集項目,這正是法律工程師的日常工作內容。
可選第三天/進階模組(可作為第3天或模組化系列提供)
- 調查:實體、關係與時間線——提取人/組織/日期資訊,重建郵件對話,構建編年史,映射近重複文件與文檔血緣。實驗室:構建時間線與實體/關係視圖。
- 智能代理與多步驟法律工作流(深入)——更豐富的協調機制、合約分析、多文件綜合、工具使用與防護欄作為設計原則。實驗室:構建包含人工檢查點的多步驟工作流。
- 大規模部署——本地與設備部署、大數據量分佈式處理、受監管環境(CJIS、政府、高等教育)、硬體配置規劃。實驗室:將處理任務容器化並擴展至多個工作節點。
- 治理與合規深度探討——AI監管版圖(100多個美國州級AI法規、歐盟AI法案)、審計要求及完整的SAIS-100治理審計。實驗室:針對治理/防禦力檢查清單對法律AI系統進行審計。
最低要求
- 熟悉Python和基本API操作
- 加分項:具備大語言模型(LLM)的使用層級熟悉度(無需機器學習背景——我們將建立認知框架)
- 無需法律背景——所需法律概念將結合實際情境教學
受眾
- 轉型進入法律科技領域的軟體/AI工程師
- 需要深化法律領域知識的法律科技公司工程師
- 具備技術背景的法務/電子證據披露/資訊治理專業人士,希望從事建構而非僅購買方案者
- 有意成為「法律工程師」或「AI法律工程師」的任何人
14 小時
客戶評論 (1)
我獲得了關於Python中Streamlit庫的知識,我肯定會嘗試使用它來改進我們團隊中基於R Shiny開發的apps。
Michal Maj - XL Catlin Services SE (AXA XL)
課程 - GitHub Copilot for Developers
機器翻譯