Grazie per aver inviato la tua richiesta! Uno dei nostri team membri ti contatterà a breve.
Grazie per aver inviato il tuo prenotazione! Uno dei nostri team membri ti contatterà a breve.
Struttura del corso
Fondamenti dell’IA responsabile
- Cos’è l’IA responsabile e perché è cruciale nello sviluppo software
- I principi guida: equità, responsabilità, trasparenza e riservatezza
- Casi di studio relativi a fallimenti etici e usi impropri dell’IA nei progetti software
Pregiudizi ed equità nel codice generato da AI
- In che modo i modelli linguistici possono perpetuare pregiudizi attraverso i dati di addestramento
- Come individuare e correggere eventuali suggerimenti di codice non equi o potenzialmente pericolosi
- Il fenomeno dell’"allucinazione” nell’AI e i rischi connessi alla diffusione di errori su larga scala
Licenze software, attribuzione e aspetti relativi alla proprietà intellettuale
- Nozioni base sulle licenze open source (MIT, GPL, Copyleft)
- È necessaria l’indicazione di attribuzione per il contenuto generato da modelli linguistici?
- Come verificare la conformità alle licenze di terzi nel codice creato con supporto AI
Sicurezza e conformità nello sviluppo assistito da AI
- Come garantire la sicurezza del codice ed evitare schemi potenzialmente insicuri proposti dai modelli linguistici
- Il rispetto delle linee guida di sicurezza interne e delle normative di settore
- L’importanza della documentazione verificabile per ogni decisione presa con supporto AI
Politiche e governance all’interno dei team di sviluppo
- Come redigere politiche interne sull’uso dell’IA nei gruppi di lavoro software
- Individuazione dei criteri accettabili d’utilizzo e segnalazione precoce di eventuali anomalie
- Scelta degli strumenti più idonei e gestione del processo di integrazione responsabile degli assistenti AI
Valutazione e audit dei risultati prodotti dall’IA
- Utilizzo di checklist per valutare l’affidabilità del contenuto generato da AI
- Metodi manuali e automatizzati per esaminare il codice sviluppato con supporto AI
- Le migliori pratiche relative alla revisione tra pari e ai processi di approvazione del lavoro prodotto
Sintesi e prossimi passi
Requisiti
- Conoscenze di base sui flussi di lavoro tipici dello sviluppo software
- Familiarità con metodologie come Agile, DevOps o pratiche generali di gestione dei progetti software
Destinatari
- Team di conformità normativa
- Sviluppatori software
- Project manager nel settore del software
7 ore
Recensioni (1)
Ho acquisito una conoscenza riguardante la libreria Streamlit di Python e sicuramente cercherò di utilizzarla per migliorare le applicazioni del mio team, che sono sviluppate con R Shiny.
Michal Maj - XL Catlin Services SE (AXA XL)
Corso - GitHub Copilot for Developers
Traduzione automatica