聯繫我們

課程簡介

基礎概念:技術團隊必知 EU AI Act

  • 開發人員與營運者需遵守的義務與專業術語
  • 從技術角度理解第 4 條所禁止的操作行為
  • 將法律要求映射至工程控制措施

安全且合規的開發生命週期

  • AI 專案的程式碼庫結構與策略即程式(Policy-as-Code)
  • 透過程式碼審查與自動化靜態檢查,識別高風險模式
  • 模型元件的依賴性與供應鏈管理

符合合規性的 CI/CD 流程設計

  • 流程階段:建置、測試、驗證、封裝、部署
  • 整合治理閘道與自動化策略檢查
  • 工件的不可變性及來源追蹤

模型測試、驗證與安全檢查

  • 資料驗證與偏差檢測測試
  • 效能、穩定性與對抗性韌性測試
  • 自動化驗收標準與測試報告

模型註冊表、版本控制與來源追溯

  • 使用 MLflow 或同等工具管理模型線索與中繼資料
  • 對模型與資料集進行版本控制,以確保可重現性
  • 記錄來源並產出符合審計標準的工件

運行時控制、監控與可觀測性

  • 針對輸入、輸出及決策內容的即時監測插件
  • 監控模型漂移、資料漂移及效能指標
  • 警報機制、自動化回滾及灰度發布

安全性、存取控制與資料保護

  • 模型訓練與服務環境的最小權限 IAM 設定
  • 保護靜態與傳輸中的訓練與推論資料
  • 機密管理與安全配置實踐

可審計性與證據蒐集

  • 產出機器可讀的日誌與人類可讀的摘要報告
  • 打包符合性評估與審計所需的證據
  • 保留政策與合規工件的安全儲存

事件回應、通報與糾正措施

  • 偵測疑似違規操作或安全事件
  • 隔離、回滾與緩解的技術步驟
  • 準備提交給治理單位與監管機構的技術報告

總結與後續步驟

最低要求

  • 具備軟體開發與部署流程的知識
  • 擁有容器化技術與基礎 Kubernetes 概念的操作經驗
  • 熟悉基於 Git 的版本控制與 CI/CD 實踐

目標受眾

  • 負責建構或維護 AI 元件的開發人員
  • 負責部署的 DevOps 與平台工程師
  • 管理基礎設施與運行時環境的管理員
 14 小時

人數


每位參與者的報價

即將到來的課程

課程分類