Course catalog

Course duration

Course provider

Topic

Categories

Showing 1-9 of 9 items.

linkedin استفاده از هوش مصنوعی برای حاکمیت ، خطر و انطباق (Mitalearn-427071)

  • 17 minutes
  • مناسب همه
  • Release date: 25 July 2026
  • Author: Terra Cooke
درباره این دوره:

هوش مصنوعی یکی از بزرگترین مباحث مربوط به امنیت سایبری در حال حاضر و با کمال تعجب که شامل حوزه حاکمیت ، خطر و انطباق است. در این دوره ، مدیر امنیت سایبری Terra Cooke به بررسی مدیریت ریسک ، ملاحظات حقوقی و سایر روشهای AI می تواند در یک محیط GRC ادغام شود. Terra جنبه های مختلفی از کار GRC را پوشش می دهد که می تواند از هوش مصنوعی بهره مند شود-در حالی که با توجه به اینکه این یک راه حل برای همه مشکلات نیست. او نقش ها ، مسئولیت ها و جوانب مثبت و منفی را قبل از حرکت با راه حل های هوش مصنوعی مورد تجزیه و تحلیل قرار می دهد. بعلاوه ، قبل از توافق با شرایط و ضوابط یک برنامه هوش مصنوعی ، در مورد عواملی که باید به آنها نگاه کنید بشنوید.

Related Skills

linkedin استقرار ایمن AI و LLM مولد (Mitalearn-468398)

  • 1 hours
  • مناسب همه
  • Release date: 14 April 2026
  • Author: Caroline Wong
درباره این دوره:

<p> استقرار سیستم‌های هوش مصنوعی مولد به صورت ایمن در یک سازمان مستلزم درک معماری LLM، آسیب‌پذیری‌های رایج، و دفاع‌های عملی مانند پاک‌سازی سریع و مدیریت مخفی است. این دوره آزمایشگاه‌های ساده و هدایت‌شده را ارائه می‌دهد تا بتوانید ایمن کردن داده‌ها، شناسایی خطرات و پیاده‌سازی نرده‌هایی را که با سیاست‌های سازمانی هماهنگ هستند، تمرین کنید. نحوه ایجاد، نظارت و مدیریت استقرارهای داخلی به سبک ChatGPT را با اطمینان و مطابقت کشف کنید. چه در فناوری اطلاعات، مهندسی، امنیت سایبری، مدیریت سیستم یا DevOps کار کنید، می‌توانید دانش و مهارت‌های عملی را کسب کنید و برای آینده آماده شوید. </p>

linkedin الگوهای طراحی همکاری انسان و عامل هوش مصنوعی (Mitalearn-449698)

  • 1 hours 1 minutes
  • مناسب همه
  • Release date: 18 February 2026
  • Author: Thomas Erl
درباره این دوره:

<h3>توضیح</h3> <h4>این دوره در مورد چیست؟</h4> از آنجایی که سیستم‌های هوش مصنوعی مستقل در حال تبدیل شدن به بخش بزرگ‌تری از عملیات تجاری و محیط‌های کاری هستند، درک اینکه چگونه این سیستم‌ها باید برای همکاری با انسان‌ها طراحی شوند، اهمیت فزاینده‌ای پیدا می‌کند. اغلب، هر چه سیستم‌های هوش مصنوعی عامل مسئولیت بیشتری داشته باشند، مشارکت و نظارت انسانی بیشتر ضروری می‌شود. در این دوره جدید، توماس ارل نویسنده پرفروش LinkedIn Top Voice و نقش‌های مشترکی را که باید برای انسان‌ها و عوامل هوش مصنوعی ایجاد شود، توضیح می‌دهد تا بتوانند با هم کار کنند. این دوره اساساً تعدادی از پیاده‌سازی‌های تخصصی مفهوم انسان در حلقه را بررسی می‌کند که به موجب آن سیستم‌های هوش مصنوعی به طور خاص برای انسان‌ها و عوامل هوش مصنوعی طراحی شده‌اند تا بخش‌های مختلف یک گردش کار کلی را انجام دهند. الگوهای طراحی تحت پوشش طیفی از طرح‌های مشارکتی بنیادی، تا معماری‌های سیستمی را شامل می‌شود که شامل تشدید هوشمند، تخصیص کار پویا، و شفافیت شناختی، و همچنین اصلاح و کنترل‌های ایمنی است. </p> <p>توجه: این دوره توسط Thomas Erl ایجاد شده است. ما خوشحالیم که میزبان این آموزش در کتابخانه خود هستیم.</p> <h3>مدرس</h3> <h4>چه کسی این دوره را تدریس می کند؟</h4> توماس ارل یک نویسنده پرفروش لینکدین و متخصص آموزش هوش مصنوعی و فناوری دیجیتال در Arcitura است. توماس 15 کتاب را تألیف کرده یا به عنوان نویسنده مشترک، و مقالات و مصاحبه هایی را در نشریاتی مانند CEO World، وال استریت ژورنال و فوربس منتشر کرده است. </p> <h3>اهداف</h3> <h4>تا پایان این دوره چه کاری می توانم انجام دهم؟</h4> <ul> <li>الگوهای طراحی مشارکتی اساسی را برای تعاملات انسان و عامل تجزیه و تحلیل کنید.</li> <li>برای بهینه سازی تفویض کار، الگوهای تشدید و مسیریابی هوشمند را اعمال کنید.</li> <li>شفافیت شناختی و عوامل اعتماد را برای همکاری موثر هوش مصنوعی و انسان ارزیابی کنید.</li> <li>الگوهای طراحی اصلاح و ایمنی را برای بهبود قابلیت اطمینان سیستم هوش مصنوعی اجرا کنید.</li> </ul></p> <h3>مخاطب</h3> <h4>این دوره برای چه کسانی است؟</h4> <ul> <li>مهندسین AI/ML</li> <li>معماران ابر</li> <li>طراحان سیستم در شرکت های فناوری</li> <li>محققان هوش مصنوعی و یادگیری ماشین</li> </ul></p> <h3>پیش نیازها</h3> <h4>چه چیزی باید قبل از شرکت در این دوره بدانم؟</h4> <ul> <li>دانش اولیه سیستم های هوش مصنوعی و محیط های ابری</li> <li>آشنایی با دینامیک تعامل انسان و عامل</li> <li>آشنایی با اصول معماری هوش مصنوعی</li> </ul></p>

linkedin امنیت محصول هوش مصنوعی: ایجاد حاکمیت و حفاظت داده قوی (Mitalearn-441334)

  • 1 hours 3 minutes
  • مناسب همه
  • Release date: 2 April 2025
  • Author: Meghan Maneval
درباره این دوره: 

 هدف این دوره این است که متخصصان امنیت سازمانی را قادر سازد چارچوب‌های حاکمیت داده و شیوه‌های امنیتی قوی ایجاد کنند که از داده‌های حساس محافظت می‌کند، یکپارچگی مدل را تضمین می‌کند و مطابقت با مقررات جهانی را حفظ می‌کند. بیاموزید که چگونه خطوط لوله داده‌های هوش مصنوعی را ایمن کنید، مدل‌های دسترسی بدون اعتماد و حداقل امتیاز را پیاده‌سازی کنید، و با تهدیدات نوظهور مانند حملات خصمانه و مسمومیت مدل مقابله کنید. به مربی Meghan Maneval بپیوندید تا دریابید که چگونه می توان سیاست های حاکمیت و امنیت داده های هوش مصنوعی را ایجاد، مدیریت و تکامل بخشید که در عین حصول اطمینان از انطباق و مسئولیت پذیری در برابر خطرات محافظت می کند.

linkedin مدیریت پیشرفته AI: عملیاتی کردن کنترل های هوش مصنوعی و نظارت مداوم (Mitalearn-409204)

  • 27 minutes
  • مناسب همه
  • Release date: 25 July 2026
  • Author: Meghan Maneval
درباره این دوره:

از آنجا که فن آوری های هوش مصنوعی همچنان به تکامل و نفوذ در هر جنبه ای از مشاغل ما ادامه می دهند ، نیاز به حاکمیت قوی هوش مصنوعی هرگز بسیار مهم نبوده است. در این دوره ، پیشگام مدیریت هوش مصنوعی ، مگان مانگال ، حاکمیت هوش مصنوعی را جدا می کند تا درک مقررات هوش مصنوعی و نقش آنها در توسعه کنترل های هوش مصنوعی سازمان شما را درک کند. با ادغام کنترل در فرآیندهای تجاری خود و انجام ارزیابی های تأثیر تجاری ، اقدامات اساسی برای عملیاتی کردن حاکمیت هوش مصنوعی را کشف کنید. به علاوه ، مراحل عملی را برای ساختن یک برنامه نظارت مداوم هوش مصنوعی که به آینده مقیاس می دهد ، کشف کنید.

linkedin مدیریت داده های هوش مصنوعی ، انطباق و حسابرسی برای توسعه دهندگان (Mitalearn-410411)

  • 1 hours 14 minutes
  • مناسب همه
  • Release date: 15 May 2025
  • Author: Masheika Allgood
درباره این دوره: 

 این دوره کارگران فنی را در زنجیره توسعه AI با دانش و تکنیک های تخصصی توانمند می کند تا از مدیریت مؤثر داده ها ، انطباق و حسابرسی در کل چرخه توسعه AI اطمینان حاصل شود. مربی Masheika Allgood چالش ها و مقررات منحصر به فرد در هوش مصنوعی ، استراتژی ها و روش های مربوط به شفافیت داده ها و انطباق هوش مصنوعی و بهترین روش ها برای ارائه اطلاعات لازم برای فرآیندهای حسابرسی را در بر می گیرد.

linkedin مقدمه ای بر حاکمیت AI عامل (Mitalearn-423875)

  • 52 minutes
  • مناسب همه
  • Release date: 10 July 2025
  • Author: Vidhi Chugh
درباره این دوره: 

 در این دوره جامع و بینش ، زمینه نوظهور حاکمیت AI عامل را کشف کنید. Vidhi Chugh رهبر AI برنده جایزه ، به موضوعات اصلی مانند خطرات مرتبط با استقلال هوش مصنوعی ، اهمیت شفافیت و نیاز مهم برای چارچوب های حاکمیت عملی فرو می رود. با درک چشم انداز نظارتی و بهترین شیوه های موجود ، نحوه شناسایی و کاهش عواقب ناخواسته بالقوه را بیاموزید. بینش در مورد چالش های تراز هوش مصنوعی و نحوه پرداختن به آنها با استفاده از روش هایی مانند AI قانون اساسی کسب کنید. سفر را از سیستم های سنتی هوش مصنوعی به AI بسیار مستقل AI ، کشف کنید و از نگرانی های اخلاقی مرتبط و مکانیسم های پاسخگویی در طول مسیر پرده برداری کنید. تمرکز خود را بر روی مطالعات موردی ، سناریوهای دنیای واقعی و مدلهای حاکمیتی مستقر ، همانطور که می دانید نحوه اجرای سیستم های هوش مصنوعی قوی ، قابل اعتماد و قابل اعتماد را کشف می کنید. این دوره به شما کمک می کند تا در مورد نحوه ساخت ، مقیاس و اداره فن آوری های هوش مصنوعی به شما تجدید نظر کنید.

linkedin مقدمه ای بر مدیریت هوش مصنوعی (Mitalearn-390079)

  • 59 minutes
  • مناسب همه
  • Release date: 7 February 2024
  • Author: Vidhi Chugh
درباره این دوره: 

 

از آنجایی که هوش مصنوعی مولد همچنان اهمیت خود را افزایش می دهد، خطرات جدیدی در پی آن ظاهر می شوند. حکمرانی هوش مصنوعی برای اطمینان از پذیرش و استفاده ایمن و مسئولانه به یک امر ضروری در کل سازمان تبدیل شده است. در این دوره، مربی Vidhi Chugh به شما کمک می کند تا آگاهی خود را به عنوان یک متخصص هوش مصنوعی توسعه دهید و خطرات و چالش های حاکم بر هوش مصنوعی را بهتر درک کنید.

اصول حاکمیت هوش مصنوعی و ابعاد متعدد، ملاحظات اخلاقی و موانع آن را کاوش کنید. ، همانطور که ویدی اقدامات موثر حاکمیتی مانند هیئت های اخلاقی، کاهش ریسک، استراتژی های سازمانی و موارد دیگر را تشریح می کند. در طول مسیر، ظرفیت تفکر انتقادی خود را برای مدیریت تغییرات و هدایت آینده حاکمیت هوش مصنوعی تقویت کنید.


linkedin نسخه‌سازی داده، نسب و نظارت بر کیفیت برای هوش مصنوعی (Mitalearn-440790)

  • 1 hours 42 minutes
  • مناسب همه
  • Release date: 17 April 2025
  • Author: Janani Ravi
درباره این دوره: 

 اهمیت نسخه‌سازی داده‌ها و تأثیر آن بر جریان‌های کاری ML و AI را کشف کنید. مربی جانانی راوی مفاهیم کلیدی مانند عکس فوری، اصل و نسب، شاخه‌بندی و نحوه مدیریت مؤثر نسخه‌های داده را تشریح می‌کند. نحوه استفاده از کنترل نسخه داده (DVC) برای مقداردهی اولیه Git، ردیابی فایل‌ها و داده‌های نسخه را به طور موثرتر بررسی کنید. با اصل و نسب داده در فابریک مایکروسافت آشنا شوید و تکنیک ها و بهترین روش ها برای ردیابی اصل و نسب را کشف کنید. مسائل رایج داده ها و مدل ها، از جمله پردازش، مدیریت طرحواره، از دست دادن داده ها، و سوگیری را درک کنید و یاد بگیرید که چگونه این جنبه ها را برای کیفیت نظارت کنید. در طول مسیر، یاد بگیرید که چگونه معیارهایی را ردیابی کنید که به اطمینان از یکپارچگی و عملکرد مدل و داده ها کمک می کند. چه دانشمند داده باشید، چه مهندس، یا در حال حاضر در مدیریت داده کار می کنید، این دوره شما را با مهارت هایی که برای حفظ استانداردهای بالای نسخه سازی داده ها و نظارت بر کیفیت در پروژه های خود نیاز دارید، مجهز می کند.

Suggestions