感謝您提交詢問!我們的一位團隊成員將在短時間內與您聯繫。
感謝您提交預訂!我們的一位團隊成員將在短時間內與您聯繫。
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