1. leckeSzállítói és ügyfél szerződések AI funkciókra: adatfeldolgozási megállapodások, közös irányító szerep, felelősség elosztás és biztonsági követelményekEz a rész elmagyarázza a szállítói és ügyfél szerződések struktúrázását AI funkciókra, adatfeldolgozási megállapodásokra, közös irányító szerepre, felelősség elosztásra és biztonsági klauzulákra összpontosítva, amelyek tükrözik a szabályozási és etikai követelményeket.
Irányító és feldolgozó szerepek meghatározásaKulcs adatfeldolgozási megállapodás klauzulákKözös irányítás és megosztott kötelezettségekFelelősség korlátok, kártalanítások és biztosításBiztonság és incidenskezelési kötelezettségekKönyvvizsgálat, felügyelet és megszüntetési jogok2. leckeAlapvető adatvédelmi rezsimek és kötelezettségek AI-ra vonatkozóan (elvek: célkorlátozás, adatminimalizálás, jogszerű alap, átláthatóság)Ez a rész áttekinti az AI-ra vonatkozó alapvető adatvédelmi rezsimeket, kiemelve a célkorlátozást, adatminimalizálást, jogszerű alapot és átláthatóságot, valamint azok működésbe helyezését az AI fejlesztés és telepítés során.
Célkorlátozás AI képzésben és használatbanAdatminimalizálás és funkcióválasztásJogszerű alapok kiválasztása és dokumentálásaÁtláthatóság és értelmes értesítésekPontosság, tárolási limitek és integritásElszámoltathatóság és irányítási struktúrák3. leckeAdatvédelmi hatásvizsgálatok (DPIA) / AI hatásvizsgálatok (AIA): struktúra, kulcskérdések és javítási tervekEz a rész elmagyarázza a DPIA-k és AIA-k tervezését és futtatását a hatókör meghatározástól a kockázat azonosításon át a érdekeltek bevonásáig, dokumentációig és javítási tervezésig, biztosítva hogy az AI rendszerek megfeleljenek a jogi, etikai és szervezeti elvárásoknak.
AI rendszerek és feldolgozási tevékenységek hatókör meghatározásaÉrdekelt felek és érintett csoportok azonosításaJogok és szabadságok kockázatainak katalogizálásaCsökkentési és javítási tervek tervezéseEredmények dokumentálása és aláírásDPIA-k integrálása a termék életciklusba4. leckeAlgoritmikus méltányosság és elfogultság: elfogultság forrásai, mérési módszerek és csökkentési technikákEz a rész elemzi az algoritmikus elfogultságot és méltányosságot AI-ban, magyarázva az elfogultság forrásait, méltányossági metrikákat és csökkentési stratégiákat adat, modellezés és telepítés során, figyelembe véve a szigorú szabályozási környezet jogi elvárásait.
Algoritmikus elfogultság típusai és forrásaiMéltányossági metrikák és kompromisszumokElfogultság adatgyűjtésben és címkézésbenModell képzési és értékelési stratégiákCsökkentés telepítés és monitorozás soránMéltányossági döntések dokumentálása5. leckeMűködési playbookok termék megfelelőségi áttekintésekhez és keresztfunkcionális eszkalációhoz (Termék, Jogi, Adatvédelem, Megfelelőség)Ez a rész gyakorlati playbookokat nyújt termék megfelelőségi áttekintésekhez, meghatározva a szerepeket, munkafolyamatokat és eszkalációs utakat a Termék, Jogi, Adatvédelmi és Megfelelőségi csapatok között az AI kockázatok kezelésére és védhető döntések dokumentálására.
AI termékváltozások bevitele és besorolásaKockázat alapú áttekintési szintek és kritériumokTermék, Jogi, Adatvédelem, Megfelelőség szerepeiEszkalációs utak magas kockázatú AI esetekreDöntés dokumentáció és jóváhagyási nyilvántartásokVisszacsatolási hurkok termék roadmapekbe6. leckeModell kockázatkezelés AI funkciókra: dokumentáció (modell kártyák), validálás, tesztelés, teljesítmény monitorozás és magyarázhatóságEz a rész a modell kockázatkezelést fedi le AI funkciókra, beleértve dokumentációt, validálást, tesztelést, monitorozást és magyarázhatóságot, igazítva a modell irányítást szabályozási elvárásokkal és belső kockázati étvágy keretrendszerekkel.
Modell inventárium és osztályozásModell kártyák és dokumentációs szabványokValidálás és független kihívásTeljesítmény, elmozdulás és stabilitás monitorozásMagyarázhatósági módszerek és korlátokModell változáskezelés és kivonás7. leckeEtikai keretrendszerek AI döntéshozatalra: érdekeltek térképezése, arányosság, vitathatóság, emberi felügyelet és jogorvoslati mechanizmusokEz a rész bemutatja az etikai keretrendszereket AI döntéshozatalra, fedve érdekeltek térképezését, arányosságot, vitathatóságot, emberi felügyeletet és jogorvoslatot, és megmutatja, hogyan ágyazzuk be ezeket az elveket irányítási folyamatokba és terméktervezésbe.
Érdekelt felek és hatás térképezés AI-raArányosság és szükségesség értékelésekVitathatóság és fellebbezési csatornák tervezéseEmber a hurkban és hurkon modellekKár jogorvoslati és orvoslási mechanizmusaiEtikai áttekintések beágyazása irányításba8. leckeAdatvédelmi tervezés: adatminimalizálás, differenciális adatvédelem, anonimizálás, pszeudonimizálás és biztonságos többoldali számítás alapjaiEz a rész az adatvédelmi tervezési stratégiákat vizsgálja AI-ra, beleértve adatminimalizálást, anonimizálást, pszeudonimizálást, differenciális adatvédelmet és biztonságos többoldali számítást, útmutatóval használati esetekre és implementációs kompromisszumokra.
Adatminimalizálás AI funkció tervezésbenAnonimizálás és visszaazonosítási kockázatokPszeudonimizálás és tokenizálási módszerekDifferenciális adatvédelem analitikára és ML-reBiztonságos többoldali számítás alapjaiMegfelelő adatvédelmi technikák kiválasztása9. leckeTechnikai kontrollok: hozzáférésvezérlés, naplózás, titkosítás, megőrzési politikák és biztonságos fejlesztési életciklus (SDLC) ML-reEz a rész részletezi az AI rendszerek technikai védelmeit, beleértve hozzáférésvezérlést, naplózást, titkosítást, megőrzést és biztonságos ML fejlesztést, megmutatva, hogyan támogatják a mérnöki választások a szabályozási megfelelőséget és etikai kockázatcsökkentést.
Szerep alapú és attribútum alapú hozzáférésvezérlésBiztonsági naplózás és audit trail tervezésTitkosítás átvitelben és nyugalmi állapotban AI adatokraAdatmegőrzés és törlés automatizálásBiztonságos kódolás és kódáttekintés ML-reBiztonsági tesztelés és AI szolgáltatások megerősítése10. leckeJogszerű alapok és beleegyezés korlátok értékelése munkahelyi megfigyelésre és munkavállalói adatfeldolgozásraEz a rész vizsgálja a jogszerű alapokat és beleegyezés korlátokat munkahelyi megfigyelésre és munkavállalói adatokra, címzi a monitorozó eszközöket, átláthatósági kötelezettségeket, hatalmi egyensúlytalanságokat és méltóságot, munkajogokat védő biztosítékokat.
Gyakori munkahelyi megfigyelési forgatókönyvekLegitim érdek és szükségesség értékeléseBeleegyezés korlátok foglalkoztatási kontextusbanÁtláthatóság és munkavállalói tájékoztatási kötelezettségekMonitorozó technológiák biztosítékaiMűködési tanácsok és szakszervezetek bevonása11. leckeSzabályozási trendek magas szabályozottságú joghatóságokban és megfelelőségi utak új AI termékekreEz a rész áttekinti a magas szabályozottságú joghatóságok szabályozási trendjeit, vázolva az újonnan kialakuló AI törvényeket, útmutatókat és végrehajtási mintákat, valamint gyakorlati megfelelőségi utakat új AI termékekre és határokon átnyúló műveletekre.
Fő AI szabályozási rezsimek áttekintéseSzektor-specifikus AI szabályok és útmutatókFelügyeleti elvárások és végrehajtásSzabályozási homokozók és innovációs központokKockázat alapú megfelelőségi programok tervezéseHatárokon átnyúló adat és AI megfelelőségi kérdések12. leckeEmberi jogi keretrendszerek adat és AI-ra: ENSZ Irányelvek, GDPR jogalapú modell és nemzeti emberi jogi következményekEz a rész összeköti az emberi jogi törvényt az adat és AI irányítással, magyarázva az ENSZ Irányelveket, GDPR jogalapú megközelítését és azt, hogyan formálják a nemzeti emberi jogi kötelezettségek a vállalati felelősségeket AI tervezés és telepítés terén.
ENSZ Irányelvek és vállalati kötelezettségekGDPR jogalapú szabályozási modellNemzeti emberi jogi törvények AI-ra hatóanFontos emberi jogi kockázatok AI használatbanEmberi jogi átvilágítás AI-raJogorvoslat és elszámoltathatóság elvárások
