Contattataci

Struttura del corso

Fondamenti: Il Regolamento AI dell’UE per i team tecnici

  • Obblighi e terminologia rilevante per sviluppatori e operatori tecnici
  • Analisi tecnica delle pratiche vietate ai sensi dell’articolo 4 del regolamento
  • Correlazione tra requisiti legali e meccanismi di controllo ingegneristico

Ciclo di sviluppo sicuro e conforme

  • Struttura dei repository e utilizzo della policy-as-code nei progetti AI
  • Revisione del codice e verifiche statiche automatiche per individuare schemi rischiosi
  • Gestione delle dipendenze e della catena di approvvigionamento dei componenti modello

Progettazione di pipeline CI/CD orientate alla conformità

  • Fasi della pipeline: creazione, test, validazione, pacchettizzazione e distribuzione
  • Integrazione di controlli di governance e verifiche automatiche delle policy
  • Garanzia dell’immutabilità degli artefatti e tracciamento della loro provenienza

Test, validazione e verifiche di sicurezza dei modelli

  • Verifiche di validità dei dati e rilevamento del bias nei modelli
  • Test di performance, robustezza e resistenza ad attacchi avversari
  • Creazione automatica di criteri di accettazione e reporting relativo ai test

Registrazione, versionamento e tracciabilità dei modelli

  • Utilizzo di MLflow o strumenti equivalenti per la gestione della cronologia e dei metadati dei modelli
  • Versionamento dei modelli e dei set di dati al fine di garantire la riproducibilità
  • Registrazione della provenienza dei dati e produzione di artefatti idonei alle verifiche ispettive

Controlli operativi, monitoraggio e capacità di osservabilità

  • Instrumentazione per la registrazione delle informazioni relative a input, output e decisioni prese dal modello
  • Monitoraggio del comportamento dei modelli, delle variazioni nei dati e delle metriche di performance
  • Attivazione di allarmi, gestione automatica dei rollback e distribuzioni progressiva tipo canary

Sicurezza, controllo degli accessi e protezione dei dati

  • Implementazione di principi di minimo privilegio per la gestione delle autorizzazioni in ambienti di addestramento e inferenza
  • Protezione dei dati utilizzati per l’addestramento e l’inferenza, sia a riposo che durante il trasferimento
  • Gestione sicura delle credenziali e buone pratiche nella configurazione dei sistemi

Capacità di audit e raccolta di prove

  • Produzione di log leggibili sia da macchine che dagli esseri umani, oltre a sintesi riassuntive comprensibili
  • Organizzazione delle prove raccolte per facilitare le valutazioni di conformità e i controlli ispettivi
  • Definizione di politiche di conservazione e protezione degli artefatti utilizzati in sede di audit

Gestione delle incidenti, segnalazione e azioni correttive

  • Rilevamento di eventuali pratiche vietate o situazioni critiche relative alla sicurezza dei modelli
  • Azioni tecniche per il contenimento, il ripristino e la mitigazione delle conseguenze negative
  • Redazione di report tecnici utili per le autorità di controllo e i comitati interni di governance

Sintesi finale e prossimi passi

Requisiti

  • Conoscenza dei flussi di sviluppo e distribuzione del software
  • Esperienza nella creazione di containerizzazioni e familiarità con i concetti base di Kubernetes
  • Conoscenza della gestione del codice sorgente tramite Git e delle pratiche CI/CD

Destinatari

  • Sviluppatori responsabili della creazione o manutenzione di componenti AI
  • Ingegneri DevOps e addetti alla piattaforma incaricati delle distribuzioni
  • Amministratori responsabili della gestione dell’infrastruttura e degli ambienti operativi
 14 ore

Numero di Partecipanti


Prezzo per partecipante

Corsi in Arrivo

Categorie relative