Bedankt voor uw aanvraag! Een van onze medewerkers neemt binnenkort contact met u op
Bedankt voor uw boeking! Een van onze medewerkers neemt binnenkort contact met u op.
Duur 7 uren
Cursusaanbod
Fundamenten van Responsible AI
- Wat is Responsible AI en waarom is dit belangrijk in softwareontwikkeling
- Principes: eerlijkheid, verantwoording, transparantie en privacy
- Voorbeelden van ethische falen en misbruik van AI in codebases
Bias en Eerlijkheid in AI-gegenereerde Code
- Hoe LLM’s bias kunnen versterken via trainingsdata
- AI-hallucineren en het risico om fouten op schaal in te voeren
Licenties, Attributie en Intellectuele Eigendomsafwegingen
- Begrijpen van open source-licenties (MIT, GPL, Copyleft)
- Moeten door LLM’s gegenereerde outputs attributie hebben?
- Auditeren van AI-geassisteerde code op licentieproblemen met derden
Beveiliging en Compliantie in AI-geassisteerde Ontwikkeling
- Compliantie met interne beveiligingsrichtlijnen en sectorregels
- Auditbare documentatie van AI-geassisteerde besluitvorming
Beleid en Governance voor Ontwikkelteams
- Interne AI-gebruiksbeleidslijnen voor softwareteams vaststellen
- Toegestanoorde gebruik en rode vlaggen definiëren
- Toolkeuze en verantwoord onboarding van AI-assistenten
Evalueren en Auditeren van AI-Output
- Handmatige en geautomatiseerde reviews van AI-gegenereerde code uitvoeren
- Best practices voor peer-review en goedkeuringsprocessen
Samenvatting en Volgende Stappen
Vereisten
- Basiskennis van softwareontwikkelingsworkflows
- Bekendheid met Agile, DevOps of algemene softwareprojectpraktijken
Publiek
- Compliance teams
- Ontwikkelaars
- Softwareprojectmanagers
Getuigenissen (1)
Ik heb kennis gemaakt met de Streamlit-bibliotheek voor Python en ik zal zeker proberen deze te gebruiken om de toepassingen van mijn team, die zijn gemaakt met R Shiny, te verbeteren.
Michal Maj - XL Catlin Services SE (AXA XL)
Cursus - GitHub Copilot for Developers
Automatisch vertaald