聯繫我們
 課程時長 14 時間:

課程簡介

基礎篇:技術團隊的歐盟 AI 法案

  • 開發人員與運營商應關注的相關義務與術語
  • 從技術角度理解第 4 條規定的禁止行為
  • 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 專案的儲存庫結構與策略即代碼(policy-as-code)
  • 針對風險模式的代碼審查與自動靜態檢查
  • 模型元件的依賴關係與供應鏈管理

面向合規的 CI/CD 管線設計

  • 管線階段:建置、測試、驗證、打包、部署
  • 整合治理門控(governance gates)與自動政策檢查
  • 產出物不變性與來源追蹤(provenance tracking)

模型測試、驗證與安全性檢查

  • 數據驗證與偏差檢測測試
  • 效能、韌性與對抗性攻擊防禦測試
  • 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 或等效工具進行模型血緣與元數據管理
  • 模型與數據集的版本控制以確保可重現性
  • 記錄來源信息並生成可供稽核的產出物

執行時控制、監控與可觀察性

  • 用於記錄輸入、輸出及決策的計量(instrumentation)
  • 監控模型漂移、數據漂移及效能指標
  • 告警機制、自動回滾與灰度部署(canary deployments)

安全性、存取控制與數據保護

  • 模型訓練與服務環境的最小權限 IAM(身分驗證與授權管理)
  • 保護靜態及傳輸中的訓練與推論數據
  • 機密資訊管理(secrets management)及安全配置實踐

可稽核性與證據收集

  • 生成機器可讀取日誌與人類可讀摘要
  • 為符合性評估與稽核打包證據
  • 合規產出物的保留政策與安全儲存

事件回應、報告與修正

  • 偵測疑似禁止行為或安全事件
  • 遏制、回滾與緩解的技術步驟
  • 為治理層面與監管機構準備技術報告

總結與後續步驟

最低要求

  • 理解軟體開發與部署工作流程
  • 具備容器化及基礎 Kubernetes 概念的經驗
  • 熟悉基於 Git 的原始碼控制及 CI/CD 實踐

目標受眾

  • 建立或維護 AI 元件的開發人員
  • 負責部署的 DevOps 及平台工程師
  • 管理基礎設施與執行時環境的管理人員

人數


每位參與者的報價

即將到來的課程

課程分類