感謝您提交詢問!我們的一位團隊成員將在短時間內與您聯繫。
感謝您提交預訂!我們的一位團隊成員將在短時間內與您聯繫。
課程簡介
第一天:構建基礎——攝取、搜索、檢索
模塊1:法律工程師的職業圖譜
- 學習目標——理解該角色的定位、AI在法律工作中的應用領域,以及貫穿始終的兩大風險。
- 主題內容
-
- 法律工程師的角色及其當前受僱的原因
- AI的應用場景:電子發現、審查、合同、研究、調查;通俗解釋EDRM模型
- 自建與採購的權衡
- 貫穿始終的兩大風險:機密性/特權和可辯護性
模塊2:法律數據是雜亂的——攝取與提取
- 學習目標——應對大規模法律數據的現實挑戰。
- 主題內容
- 超過1,400種文件類型、郵件和PST文件、掃描紙質文檔、加載文件(.dat/.opt);關鍵嵌入式元數據
- 文本提取(Tika)、OCR(光學字符識別)及去重策略的選擇
- 實驗:FreeEed攝取 ——針對故意製作的雜亂文檔集(郵件/PST、掃描件、加載文件)構建攝取流水線。
模塊3:搜索與檢索——基礎核心
- 學習目標——構建核心的電子發現原語:在海量數據中查找任何內容。
- 主題內容——全文搜索與索引(Solr/Lucene);相關性、元數據及日期過濾;跨OCR內容的搜索。
- 實驗:電子發現搜索 ——爲語料庫建立索引並運行真實的電子發現風格搜索,包括在OCR掃描內部進行搜索。
模塊4:法律文檔的RAG——帶引文支持
- 學習目標——構建能引用來源的法律文檔RAG系統。
- 主題內容
- 對於敏感材料,爲何檢索優於微調 ——模型不會吞食原始文檔數據。
- 分塊、嵌入及至關重要的引文 / 出處追溯
- 多文檔與線程摘要生成
- 實驗:帶引文的法律RAG ——在文檔集上構建RAG問答系統,答案附帶來源引用。
第二天:確保私密、可辯護及可交付
模塊5:隱私、特權與本地服務——特權的陷阱
- 學習目標——確保法律數據本地化並能進行認證。
- 主題內容
- 數據接觸雲端AI時的實際流向。
- 特權豁免、勝任力義務及“私密”光譜(合同約束 vs. 物理隔離)。
- Morgan v. V2X案例解析:爲何本地化部署能在法庭上站得住腳。
- 本地模型 服務(Ollama / vLLM)及監控出口流量。
- 實驗:本地模型與出口證明 ——端到端運行本地模型,並通過監控證明無任何數據流出。
模塊6:可辯護的AI審查
- 學習目標——測量並記錄AI審查過程,使其經得起法律質證。
- 主題內容
- 法庭適用的關鍵指標:召回率、漏檢率、精確率、地面真值驗證 ; TAR(技術輔助審查)/主動學習。
- 透明度(爲何對該文檔進行此分類)與可復現性 ——鎖定模型版本,固定設置參數,記錄一切操作。
- “可辯護案例快照”,使他人能在一年後重新運行審查並獲得相同結果。
- 實驗:可辯護審查 ——針對盲測地面真值測量AI審查效果,並生成可復現包。
模塊7:交付——工作流、線下部署與治理
- 學習目標——將各部分組裝爲工作流,線下部署並對系統進行評分。
- 主題內容
- 多步驟法律工作流(攝取→搜索→摘要→審查→交付),包含人工介入環節。
- 線下/本地部署的核心要素(容器化;確保數據不出辦公場所)。
- 簡述法律領域的AI治理,以及使用SAIS-100(大象量表安全AI評分)對系統進行評分。
- 實驗:評分與打包 ——連接多步驟工作流,使用SAIS-100進行評分,並打包用於線下部署。
結業項目(貫穿第二天整合)
- 端到端構建一個私密、可辯護的法律AI應用 ——攝取雜亂語料庫,進行搜索,利用本地模型回答帶引文的問題,測量可辯護的審查結果,並打包用於線下部署。
- 學員將帶走一個作爲法律工程師職位作品集的項目。
可選第三天 / 高級模塊(可作爲第3天或模塊化系列提供)
- 調查:實體、關係與時間線 ——提取人員/組織/日期,重建郵件線程,構建年代史,映射近重複項和文檔譜系。實驗:構建時間線和實體/關係視圖。
- 智能體與多步驟法律工作流(深度) ——更豐富的編排、合同分析、多文檔合成、工具使用及護欄作爲設計原則。實驗:構建包含人工檢查點的多步驟工作流。
- 規模化部署 ——線下及設備化部署,大規模數據的分佈式處理,受監管環境(CJIS、政府、高等教育)、硬件選型。實驗:在多個工作節點上容器化並擴展處理任務。
- 治理與合規深度解析 ——AI監管格局(100多個美國州級AI法律、歐盟AI法案)、審計要求及完整的SAIS-100治理審計。實驗:針對治理/可辯護性檢查表對法律AI系統進行審計。
最低要求
- 熟悉Python和基礎API。
- 有幫助但非必需:瞭解大語言模型(LLM)的用戶級操作(無需機器學習背景——我們將構建相關的思維模型)。
- 無需法律背景——所需的法律概念將在上下文中教授。
目標受衆
- 向法律科技領域轉型的軟件/AI工程師。
- 需要深入理解法律領域的法律科技公司工程師。
- 具備技術背景的法律/電子發現/信息管理專業人士,希望從事構建工作而不僅是採購。
- 任何瞄準“法律工程師”或“AI法律工程師”角色的人。
14 小時
客戶評論 (1)
我獲得了關於Python中Streamlit庫的知識,我肯定會嘗試使用它來改進我們團隊中基於R Shiny開發的apps。
Michal Maj - XL Catlin Services SE (AXA XL)
課程 - GitHub Copilot for Developers
機器翻譯