聯繫我們
 課程時長 14 時間:

課程簡介

基础概念:面向技术团队的欧盟AI法案

  • 开发与运维人员的相关义务与术语
  • 从技术角度理解第4条的禁止行为
  • 将法律要求对应至工程控制

安全且合规的开发生命周期

  • AI项目的储存库结构与政策即代码
  • 代码审查与高风险模式的自动化静态检查
  • 模型组件的依赖与供应链管理

面向合规的CI/CD流程设计

  • 流程阶段:建置、测试、验证、封装、部署
  • 整合治理关卡与自动化政策检查
  • 产出物不可变性与来源追踪

模型测试、验证与安全检查

  • 数据验证与偏差侦测测试
  • 性能、强健性与对抗韧性测试
  • 自动化验收标准与测试报告

模型注册表、版本管理与来源追踪

  • 使用MLflow或同等工具管理模型谱系与元数据
  • 为可重现行进行模型与数据集版本管理
  • 记录来源并产出可随时用于稽核的产出物

运行时控制、监控与可观测性

  • 为输入、输出与决策记录进行埋点
  • 监控模型偏移、数据偏移与性能指标
  • 警报、自动化回滚与金丝雀部署

安全、存取控制与数据保护

  • 模型训练与服务环境的最小权限IAM
  • 保护静态与传输中的训练及推论数据
  • 机密管理与安全组态实务

可稽核性与证据收集

  • 产出机器可读日志与人类可读摘要
  • 为符合性评估与稽核封装证据
  • 合规产出物的保留政策与安全储存

事件回应、报告与补救

  • 侦测疑似禁止行为或安全事件
  • 遏制、回滚与缓解的技术步骤
  • 为治理单位与监管机关准备技术报告

总结与后续步骤

最低要求

  • 了解软件开发与部署流程
  • 具备容器化及Kubernetes基本概念的经验
  • 熟悉基于Git的版本控制与CI/CD实务

适合对象

  • 建置或维护AI组件的开发人员
  • 负责部署的DevOps与平台工程师
  • 管理基础设施与运行时环境的管理员

人數


每位參與者的報價

即將到來的課程

課程分類