책임 있게 AI 개발하기

데이터 관련 규정은 모든 AI 프로젝트의 합법성을 좌우합니다. 핵심 규정, 제3자 라이선스, 그리고 사전 동의와 데이터 공유 계약(법률 자문과 함께)을 위한 컴플라이언스 전략을 학습하세요. 마지막으로, 프로젝트 전 생애주기에 걸쳐 준법을 유지할 수 있도록 강건한 데이터 거버넌스 전략과 데이터 관리 계획을 수립하는 방법을 익힙니다.

Exercise 1: 데이터 규제 개요 Exercise 2: 데이터 보호 법률 Exercise 3: 프로젝트에서의 데이터 규정 Exercise 4: 데이터 컴플라이언스 Exercise 5: 데이터 소유자 권리와 컴플라이언스 Exercise 6: 데이터 사용 계약(DUA)Exercise 7: 서드파티 라이선스 Exercise 8: 라이선스의 유형 Exercise 9: 라이선스 계약 Exercise 10: 라이선스 선택하기 Exercise 11: 데이터 거버넌스와 데이터 관리 계획(DMP)Exercise 12: 데이터 관리 Exercise 13: DMP의 구성 요소

데이터의 출처, 성격, 시의성을 이해해 합법성, 다양성, 공정성을 강조하며 책임 있게 데이터 소스를 선택하고 통합하는 방법을 익힙니다. 편향의 유형과 발생 원인을 살펴보며 데이터의 공정성과 대표성을 점검해, 모델링을 위한 포괄적인 데이터셋을 구성합니다.

Exercise 1: 데이터 소스 Exercise 2: 데이터 소스 유형 Exercise 3: 데이터 소스와 책임 있는 차원 Exercise 4: 데이터 소스의 한계 Exercise 5: 데이터 소스의 한계 Exercise 6: 데이터 소스와 편향 Exercise 7: 데이터 소스 선택 Exercise 8: 데이터 소스 평가 Exercise 9: 데이터 증강 Exercise 10: 데이터 통합 Exercise 11: 데이터 통합 단계 Exercise 12: 데이터 통합의 위험과 이점

데이터 감사, 데이터 검증, 편향 완화를 이해합니다. 데이터 전처리와 모델링 단계의 편향 탐지는 재미없게 느껴질 수 있지만, 검증된 기법과 공통 접근법으로 효율적으로 진행해 보겠습니다!

Exercise 1: 데이터 감사 Exercise 2: 프로젝트 생애 주기에서의 데이터 감사 Exercise 3: 데이터 감사의 필요성 Exercise 4: 데이터 검증 Exercise 5: 데이터 검증 정의하기 Exercise 6: 데이터 유효성 검사 접근 방식 Exercise 7: 데이터 검증 모범 사례 Exercise 8: 하위 그룹 분석 Exercise 9: 프로젝트에서의 데이터 검증 Exercise 10: 전처리와 편향 Exercise 11: 편향 완화 Exercise 12: 완화 전략 Exercise 13: 프로젝트 수명 주기 전반의 바이어스 완화 Exercise 14: 편향 완화의 결과 Exercise 15: 배포 이후의 편향 Exercise 16: 축하합니다!