一家零售科技公司正在扩大 AI 的使用，以优化物流和客户触达。为确保负责任地使用 AI，他们希望将治理流程嵌入到现有的 MLOps 工作流中。 以下哪两项是将治理集成到这些技术工作流中的适当做法？
本练习是课程的一部分
通过我们的互动练习之一，将理论转化为实践
了解什么是 AI 治理、它与伦理和风险管理的区别，以及为何它是负责任 AI 的关键。学习治理体系的核心组成部分、跨团队的角色与职责，以及如何在整个 AI 生命周期中嵌入问责与监督。
深入学习全球 AI 法规，包括 EU AI Act 和美国行政命令，并了解如何识别和管理高风险系统。探索关键治理措施，如合规评估、模型文档与影响评估，并理解自我监管与可追溯性如何构建合规性、信任与长期问责。
学习如何在真实环境中设计、嵌入并扩展 AI 治理。内容涵盖相关方对齐、通过 MLOps 集成工作流、轻量级与重量级治理模型、以自动化实现可扩展性，以及基于 KPI 的监控策略，以推动您各类 AI 系统的持续改进与问责。
当前练习
