Vielen Dank für die Zusendung Ihrer Anfrage! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Vielen Dank, dass Sie Ihre Buchung abgeschickt haben! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Schulungsübersicht
Grundlagen der verantwortungsvollen KI
- Was ist verantwortungsvolle KI und warum ist sie in der Softwareentwicklung relevant?
- Prinzipien: Fairness, Verantwortungszuschreibung, Transparenz und Datenschutz
- Beispiele für ethische Fehlentscheidungen und den Missbrauch von KI in Codebasen
Verzerrung und Fairness in KI-generiertem Code
- Wie Large Language Models (LLMs) durch Trainingsdaten Verzerrungen verstärken können
- Erkennung und Beseitigung von verzerrten oder unsicheren Code-Vorschlägen
- KI-Halluzinationen und das Risiko, im großen Maßstab Fehler einzuführen
Lizenzierung, Quellenangabe und Aspekte des geistigen Eigentums
- Verständnis von Open-Source-Lizenzen (MIT, GPL, Copyleft)
- Erfordern LLM-generierte Ausgaben eine Quellenangabe?
- Überprüfung von KI-unterstütztem Code auf Lizenzprobleme mit Drittanbietern
Sicherheit und Compliance in der KI-unterstützten Entwicklung
- Sicherstellung der Codesicherheit und Vermeidung unsicherer Muster durch LLMs
- Einhaltung interner Sicherheitsrichtlinien und branchenspezifischer Vorschriften
- Nachvollziehbare Dokumentation von KI-unterstützten Entscheidungsfindungen
Richtlinien und Governance für Entwicklungsteams
- Erstellung interner KI-Nutzungsrichtlinien für Softwareteams
- Festlegung der akzeptablen Nutzung und von Warnsignalen
- Toolauswahl und verantwortungsvolle Einführung von KI-Assistenten
Bewertung und Prüfung von KI-Ausgaben
- Verwendung von Checklisten zur Beurteilung der Vertrauenswürdigkeit generierter Inhalte
- Durchführung manueller und automatischer Reviews von KI-generiertem Code
- Best Practices für Peer-Reviews und Freigabeprozesse
Zusammenfassung und nächste Schritte
Voraussetzungen
- Grundlegendes Verständnis von Softwareentwicklungsarbeitsabläufen
- Vertrautheit mit Agile, DevOps oder allgemeinen Praktiken der Softwareprojekte
Zielgruppe
- Compliance-Teams
- Entwickler
- Projektmanager im Softwarebereich
7 Stunden
Erfahrungsberichte (1)
Ich habe Wissen über die Streamlit-Bibliothek von Python erworben und werde sie sicherlich verwenden, um Anwendungen in meinem Team zu verbessern, die mit R Shiny erstellt wurden.
Michal Maj - XL Catlin Services SE (AXA XL)
Kurs - GitHub Copilot for Developers
Maschinelle Übersetzung