Bắt đầu ngayBắt đầu miễn phí

Trang chủ
Khóa học
Quản trị Trí tuệ Nhân tạo

Giám sát và cải tiến liên tục

Create Your Free Account

or

Email Address

Password

By continuing, you accept our Terms of Use, our Privacy Policy and that your data is stored in the USA.

Bài tập này là một phần của khóa học

Quản trị Trí tuệ Nhân tạo

SkillTag.level.beginnerSkillTag.label

4.8+

Bắt đầu khóa học miễn phí

Khám phá Quản trị AI là gì, khác gì so với đạo đức và quản lý rủi ro, và vì sao nó thiết yếu cho AI có trách nhiệm. Tìm hiểu các thành phần chính của hệ thống quản trị, vai trò và trách nhiệm giữa các đội ngũ, và cách lồng ghép trách nhiệm giải trình và giám sát xuyên suốt vòng đời AI.

Exercise 1: AI Governance là gì?Exercise 2: Định nghĩa quản trị AI trong thực tiễn Exercise 3: Phân biệt quản trị với đạo đức Exercise 4: Ứng phó với áp lực AI từ bên ngoài Exercise 5: Ai nói được làm được?Exercise 6: Các thành phần của hệ thống quản trị AI Exercise 7: Tích hợp quản trị xuyên suốt vòng đời AI Exercise 8: Phối hợp vai trò và trách nhiệm Exercise 9: Ghép các bộ phận với mục đích tương ứng Exercise 10: Quản trị vận hành liên tục Exercise 11: Vai trò và trách nhiệm trong quản trị Exercise 12: Chia sẻ trách nhiệm trong quản trị AI Exercise 13: Các vai trò trong quản trị AI Exercise 14: Phối hợp thông qua các ủy ban quản trị

Đi sâu vào các quy định AI toàn cầu, bao gồm EU AI Act và Sắc lệnh Hành pháp của Hoa Kỳ, và học cách xác định, quản lý các hệ thống rủi ro cao. Khám phá các hành động quản trị then chốt như đánh giá sự phù hợp, tài liệu hóa mô hình và đánh giá tác động, đồng thời hiểu cách tự điều chỉnh và khả năng truy xuất giúp xây dựng tuân thủ, niềm tin và trách nhiệm dài hạn.

Exercise 1: Các khung quy định chủ chốt Exercise 2: Hiểu phạm vi của quy định Exercise 3: Các thành tố cốt lõi của quy định về AI rủi ro cao Exercise 4: AI rủi ro cao trong chăm sóc sức khỏe Exercise 5: Yêu cầu quản trị theo mức độ rủi ro Exercise 6: Chấm điểm tín dụng: trình tự tuân thủ Exercise 7: Tự quản lý so với giám sát của chính phủ Exercise 8: Quản trị trong trò chơi Exercise 9: Tiêu chuẩn tự nguyện: ghép khung phù hợp Exercise 10: Chủ động so với bị động Exercise 11: Quản trị theo ngành Exercise 12: Áp dụng các yêu cầu quản trị cho hệ thống Exercise 13: Rủi ro trong tuyển dụng Exercise 14: Hành động pháp lý bắt buộc Exercise 15: Phân loại rủi ro Exercise 16: Tuân thủ AI trong thực tiễn Exercise 17: Tài liệu quản trị và khả năng truy vết Exercise 18: Thẻ mô hình (model cards)Exercise 19: Tài liệu quản trị Exercise 20: Từ huấn luyện đến khả năng truy xuất

Học cách thiết kế, tích hợp và mở rộng Quản trị AI trong bối cảnh thực tế. Chương này bao quát sự đồng thuận giữa các bên liên quan, tích hợp quy trình qua MLOps, mô hình quản trị gọn nhẹ so với nặng, tự động hóa để mở rộng quy mô, và các chiến lược giám sát dựa trên KPI nhằm thúc đẩy cải tiến liên tục và trách nhiệm trên toàn bộ hệ thống AI của bạn.

Exercise 1: Thiết kế chiến lược quản trị AI Exercise 2: Các bước nền tảng Exercise 3: Xác định mục tiêu quản trị Exercise 4: Đánh giá mức độ sẵn sàng của tổ chức Exercise 5: Vận hành hóa các quy trình quản trị Exercise 6: Quản trị trong quy trình làm việc MLOps Exercise 7: Gọn nhẹ và nặng Exercise 8: Các mục trong checklist Exercise 9: Quản trị ở quy mô lớn Exercise 10: Mở rộng quản trị trên nhiều đội ngũ Exercise 11: Năng lực của nền tảng quản trị Exercise 12: Vì sao tự động hóa quan trọng để mở rộng quy mô Exercise 13: Giám sát và cải tiến liên tục

Bài tập hiện tại

Exercise 14: Vấn đề sau khi triển khai Exercise 15: Giám sát các hành động quản trị Exercise 16: Ví dụ về KPI cho quản trị Exercise 17: Collibra trong thực tế