Ευχαριστούμε που στάλθηκε η αποσαφήνισή σας! Ένα μέλος της ομάδου μας θα επικοινωνήσει μαζί σας σύντομα.
Thank you for sending your booking! One of our team members will contact you shortly.
Course Outline
Κατανοώντας την Τεχνητή Νοημοσύνη και την Μηχανική Μάθηση
- Τι είναι η ΤΕΝ και πώς ορίζεται;
- Η Μηχανική Μάθηση ως υποσύνολο της ΤΕΝ
- Τύποι ΤΕΝ: αδύναμη, ισχυρή, γεννητική, κατευθυνόμενη, μη κατευθυνόμενη
Η ΤΕΝ σε εφαρμογή στην οργάνωση
- Πού υπάρχει αυτή τη στιγμή η ΤΕΝ/ΜΗΜ στις επιχειρηματικές λειτουργίες
- Αυτομάτωση, υποστήριξη αποφάσεων, πελατικό υποστήριξη και ανάλυση δεδομένων
- Χρησιμοποιίες στο HR, τα οικονομικά, τις λειτουργίες και την πληροφορική επιβολή νόμων
Κοινές προκλήσεις διακυβέρνησης
- Αντιδράσεις με τους κανόνες προστασίας δεδομένων
- Νομιμότητα, αξιοπιστία και διαφάνεια στην αυτόματη λήψη αποφάσεων
- Ακρίβεια, περιορισμός δεδομένων και περιορισμοί αποθήκευσης
Βάσεις της διαχείρισης πληροφοριών και δεδομένων
- Διαχείριση πληροφοριών και αρχείων σε ιατρικά περιβάλλοντα ΤΕΝ
- Η σημασία των μεταδεδομένων και αποδείξεων ακριβότητας (audit trails)
- Διαφύλαξη της ποιότητας και ακεραιότητας δεδομένων για εκπαιδευτικά σύνολα δεδομένων (training datasets)
Αντιμετώπιση προκλήσεων διαχείρισης πληροφοριών
- Σχεδιασμός ελέγχων διακυβέρνησης για τους αλυσίδες κατασκευής (pipelines) ΤΕΝ/ΜΗΜ
- Ανθρώπινος ελεγχός και διαφάνεια αποφάσεων (explainability)
- Δημιουργία πολυκατευθυντικών ομάδων διακυβέρνησης
Αποτίμηση DPIAs (Data Protection Impact Assessments) για ΤΕΝ/ΜΗΜ
- Νομική ανάγκη και σκοπός των DPIAs
- Βήματα για την εκτίμηση προτεινόμενων υλοποιών ΤΕΝ/ΜΗΜ
- Καταγράφουσα των αξιολογήσεων κινδύνων, πρόληψης και δικαιολογίας (mitigations and justifications)
Πλαίσια διακυβέρνησης και διαχείριση κινδύνων
- Γενική επισκόπηση των πλαισίων διακυβέρνησης ΤΕΝ
- Προσεγγίσεις ISO, NIST, ICO και OECD
- Διαχείριση κινδύνων (risk registers) και εγγραφή πολιτικών (policy documentation)
Πολιτισμός, ολοκλήρωση και σχετικά πλαίσια
- Ενσωμάτωση ενός πολιτισμού υπεύθυνης χρήσης ΤΕΝ
- Συνδέσεις μεταξύ της διακυβέρνησης ΤΕΝ, της ασφάλειας κυβερνοχώρου (cybersecurity), της εθικής χρήσης και των πολιτικών ESG (Environmental, Social, and Governance)
- Συνεχής βελτίωση και επόπτευση (continuous improvement and monitoring)
Περίληψη και επόμενα βήματα
Requirements
- Κατανόηση των πολιτικών διακυβέρνησης πληροφοριών των οργανισμών
- Γνώση των κανονισμών προστασίας δεδομένων ή απόρρητου
- Κάποια εκτίμηση με τις έννοιες του AI ή του machine learning προς όφελος
Στόχοι
- Επαγγελματίες διακυβέρνησης πληροφοριών
- Διαχειριστές προστασίας δεδομένων και συμβούλοι συμμόρφωσης
- Επικεφαλής ψηφιακών μεταβολών ή διακυβέρνησης IT
7 Hours
Σχόλια (2)
ο οικόσυμος της ML όχι μόνο το MLFlow αλλά και το Optuna, το hyperops, το docker, το docker-compose
Guillaume GAUTIER - OLEA MEDICAL
Course - MLflow
Machine Translated
Μετάφραση αυτού Από: en Σε: el Με ευχαρίστησε να συμμετάσχω στην εκπαίδευση Kubeflow, η οποία πραγματοποιήθηκε από μακρές αποστάσεις. Αυτή η εκπαίδευση μου δώρισε την ευκαιρία να παγιώσω τις γνώσεις μου για υπηρεσίες AWS, K8s και όλα τα εργαλεία devOps που σχετίζονται με το Kubeflow, οι οποίες είναι τα απαραίτητα βάσιμα για να αντιμετωπίσουμε σωστά το θέμα. Θέλω να ευχαριστήσω τον Malawski Marcin για τη χρηστικότητά και την προфессионаλιστικότητά του στην εκπαίδευση και τις συμβουλές για τις καλύτερες πρακτικές. Ο Malawski προσέγγιζε το θέμα από διάφορες αποψίδες, διάφορα εργαλεία κατανάλωσης Ansible, EKS kubectl, Terraform. Τώρα είμαι σίγουρος ότι προχωρώ στο σωστό πεδίο εφαρμογής.
Guillaume Gautier - OLEA MEDICAL | Improved diagnosis for life TM
Course - Kubeflow
Machine Translated
