探索什麼是 AI 治理、它與倫理與風險管理有何不同，以及為何它對負責任的 AI 至關重要。學習治理系統的關鍵組成、跨團隊的角色與職責，並了解如何在整個 AI 生命週期中導入問責與監督。

什麼是 AI 治理？

在實務中定義 AI 治理

分辨治理與倫理

回應外部的 AI 壓力

選項

AI 倫理

AI 治理

誰說到做到？

AI 治理系統的組成元件

將治理嵌入整個 AI 生命週期

協調角色與職責

AI 治理元件

將各部分與其目的配對

治理在運作中

治理中的角色與職責

共同承擔 AI 治理的責任

AI 治理中的角色

透過治理委員會協作

AI 治理的基礎

深入剖析全球 AI 法規，包括 EU AI Act 與美國總統行政命令，並學習如何識別與管理高風險系統。探索符合性評估、模型文件化與影響評估等關鍵治理作為，並了解自我規範與可追溯性如何建立合規、信任與長期問責。

關鍵監管框架

理解監管範圍

高風險 AI 規管的核心要素

醫療領域的高風險 AI

依風險分級的治理要求

信用評分：合規步驟順序

自律與政府監管

遊戲內的治理

自願性標準：配對合適的架構

主動式 vs. 被動式

依產業分類的治理

將治理需求套用到系統

招募風險

法律要求的行動

風險分類

AI 合規實務

治理文件與可追溯性

Model cards

治理文件與產出物

從訓練到可追溯性

法規與框架的實務應用

學習如何在真實情境中設計、嵌入並擴大 AI 治理。內容涵蓋利害關係人對齊、透過 MLOps 整合工作流程、輕量版與重量版治理模型、以自動化支撐可擴充性，以及以 KPI 為基礎的監測策略，推動你的 AI 系統持續改進與問責。

設計 AI 治理策略

基礎步驟

定義治理目標

評估組織就緒度

將治理工作流程營運化

在 MLOps 工作流程中導入治理

輕量與重量

檢查清單項目

大規模治理

在各團隊間擴大治理規模

治理平台的功能

為什麼自動化對擴充很重要

監控與持續改進

佈署後的問題

監控治理行動

治理 KPI 範例

Collibra 實際應用

在組織中落實治理

想確保你的 AI 系統既合乎倫理、可擴充，又符合法規嗎？本課程提供你達成目標的實用方法。你將學到如何讓團隊步調一致、把治理納入 MLOps 工作流程，並套用像 EU AI Act 等框架。在 Collibra 專家的指引下，你會掌握在組織內擴大治理的技能，並透過自動化、KPI 與持續回饋來監測成效。

本課程將帶您深入了解 AI 治理，並指導您如何建立負責任且可擴展的 AI 治理系統。 本課程結合 Collibra 專家的見解，帶您了解如何在實際的 AI 專案中協調倫理、合規與商業目標。<br><br>
<h2>從「為什麼」與「對象」開始</h2>
您將從定義AI治理的範疇開始，並協調關鍵利害關係人，涵蓋法律、風險管理、資料科學及業務等部門。 接著，透過運用如準備度測驗和成熟度模型等工具，您將學習如何設定治理目標，以同時支持合規需求與組織策略。<br><br>
<h2>讓治理在日常運作中發揮效用</h2>
了解如何透過清單、審核關卡及自動化文件，將治理融入您的日常工作流程。 學習如何將治理整合到MLOps流程中，並根據風險與規模，靈活選擇輕量級或重量級模型來調整您的方法。<br><br>
<h2>聰明擴展，持續自我管理</h2>
探索如何運用聯邦模型及如 Collibra 這類治理平台，將治理擴展至不同團隊與地區。 您還將學習如何追蹤治理KPI、維護可追溯性，並透過監控與回饋循環推動持續改進。


與Collibra專家學習AI治理，設計、嵌入並擴展負責任的AI，使用實際框架、合規工具和MLOps流程。

掌握 Collibra 的 AI 治理要點。 學習運用工具、框架與 MLOps 工作流程，打造、嵌入並擴展負責任的 AI。

負責任的 AI 基礎

Instructor

一起來練習吧！

AI 治理的基礎 - AI 治理系統的組成元件

AI 治理系統的組成元件

Create Your Free Account