課程簡介

理解人工智能與機器學習

  • 什麼是人工智能,如何定義?
  • 機器學習作爲人工智能的一個子集
  • 人工智能的類型:弱人工智能、強人工智能、生成式人工智能、監督學習、無監督學習

人工智能在組織中的實踐

  • AI/ML目前在業務職能中的應用
  • 自動化、決策支持、客戶服務和分析
  • 在人力資源、財務、運營和合規中的用例

常見的治理挑戰

  • 與數據保護原則的衝突
  • 自動化決策中的合法性、公平性和透明度
  • 準確性、數據最小化和存儲限制

信息與數據管理基礎

  • AI背景下的信息與記錄管理
  • 元數據和審計跟蹤的重要性
  • 維護訓練數據集的數據質量和完整性

應對信息治理挑戰

  • 爲AI/ML管道設計治理控制
  • 人工監督與可解釋性
  • 建立跨職能治理團隊

爲AI/ML進行DPIAs

  • DPIAs的法律要求與目的
  • 評估擬議AI/ML實施的步驟
  • 記錄風險評估、緩解措施和理由

治理框架與風險管理

  • AI專用治理框架概述
  • ISO、NIST、ICO和OECD的方法
  • 風險登記冊與政策文件

文化、整合與相關框架

  • 嵌入負責任的AI使用文化
  • 將AI治理與網絡安全、倫理和ESG政策聯繫起來
  • 持續改進與監控

總結與下一步

最低要求

  • 對組織信息治理政策的理解
  • 熟悉數據保護或隱私法規
  • 對人工智能或機器學習概念有所瞭解者優先

受衆

  • 信息治理專業人士
  • 數據保護官和合規經理
  • 數字化轉型或IT治理負責人
 7 時間:

人數


每位參與者的價格

即將到來的課程

課程分類