Terima kasih telah mengirimkan pertanyaan Anda! Salah satu anggota tim kami akan segera menghubungi Anda.
Terima kasih telah mengirimkan pemesanan Anda! Salah satu anggota tim kami akan segera menghubungi Anda.
Kerangka Materi
Dasar-Dasar AI yang Bertanggung Jawab
- Apa itu AI yang bertanggung jawab dan mengapa hal tersebut penting dalam pengembangan perangkat lunak
- Prinsip-prinsip utama: keadilan, akuntabilitas, transparansi, serta privasi
- Contoh-contoh kegagalan etis serta penyalahgunaan AI dalam kode program
Bias dan Keadilan pada Kode yang Dihasilkan oleh AI
- Bagaimana model bahasa besar dapat memperkuat bias akibat data pelatihan yang digunakan
- Cara mendeteksi serta mengoreksi usulan kode yang bersifat bias atau berisiko secara keamanan
- Fenomena halusinasi AI dan potensi munculnya kesalahan dalam jumlah besar pada kode program
Pertimbangan Lisensi, Atribusi, serta Hak Kekayaan Intelektual
- Memahami berbagai jenis lisensi perangkat lunak open-source (MIT, GPL, Copyleft)
- Apakah hasil output yang dihasilkan AI perlu dikaitkan dengan penulis asalnya?
- Metode mengaudit kode perangkat lunak yang menggunakan bantuan AI terhadap potensi masalah lisensi pihak ketiga
Keamanan dan Kepatuhan dalam Pengembangan Berbantuan AI
- Memastikan keamanan kode yang dihasilkan serta menghindari penggunaan pola program yang tidak aman oleh model AI
- Kepatuhan terhadap pedoman keamanan internal perusahaan maupun regulasi industri terkait
- Penyusunan dokumentasi yang dapat diaudit mengenai proses pengambilan keputusan berbantuan AI
Kebijakan dan Tata Kelola bagi Tim Pengembang Perangkat Lunak
- Merumuskan kebijakan internal terkait penggunaan AI dalam tim pengembangan perangkat lunak
- Menetapkan batasan serta ciri-ciri yang menunjukkan risiko tertentu akibat pemanfaatan AI
- Pemilihan alat yang tepat serta cara mengintegrasikan asisten berbasis AI secara bertanggung jawab ke dalam alur kerja tim
Evaluasi dan Audit Terhadap Output AI
- Pemanfaatan daftar cek guna menilai seberapa dapat dipercaya konten yang dihasilkan oleh AI
- Melakukan peninjauan secara manual maupun otomatis terhadap kode program buatan AI
- Praktik terbaik dalam proses tinjauan lintas tim dan persetujuan akhir untuk penerapan kode tersebut
Kesimpulan serta Langkah Selanjutnya
Persyaratan
- Pemahaman dasar mengenai alur kerja pengembangan perangkat lunak
- Familiaritas dengan metodologi Agile, DevOps, atau praktik umum dalam proyek perangkat lunak
Kelompok Sasaran
- Tim kepatuhan hukum dan regulasi
- Para pengembang perangkat lunak
- Manajer proyek perangkat lunak
7 Jam
Testimoni (1)
Saya mendapatkan pengetahuan tentang perpustakaan streamlit dari Python dan tentu saja saya akan mencoba menggunakannya untuk meningkatkan aplikasi di tim saya yang dibuat dengan R Shiny
Michal Maj - XL Catlin Services SE (AXA XL)
Kursus - GitHub Copilot for Developers
Diterjemahkan Mesin