Hubungi Kami
 Durasi 7 jam

Kerangka Materi

Dasar-Dasar AI Bertanggung Jawab

  • Apa itu AI bertanggung jawab dan mengapa penting dalam pengembangan perangkat lunak
  • Prinsip: keadilan, akuntabilitas, transparansi, dan privasi
  • Contoh kegagalan etika dan penyalahgunaan AI dalam basis kode

Bias dan Keadilan dalam Kode yang Dihasilkan AI

  • Bagaimana LLM dapat memperkuat bias melalui data pelatihan
  • Mendeteksi dan memitigasi saran kode yang bias atau tidak aman
  • Halusinasi AI dan risiko memperkenalkan kesalahan secara besar-besaran

Pertimbangan Lisensi, Atribusi, dan HKI

  • Memahami lisensi sumber terbuka (MIT, GPL, Copyleft)
  • Apakah output yang dihasilkan LLM memerlukan atribusi?
  • Mengaudit kode yang dibantu AI untuk masalah lisensi pihak ketiga

Keamanan dan Kepatuhan dalam Pengembangan yang Dibantu AI

  • Memastikan keamanan kode dan menghindari pola tidak aman dari LLM
  • Kepatuhan dengan pedoman keamanan internal dan regulasi industri
  • Dokumentasi yang dapat diaudit tentang pengambilan keputusan yang dibantu AI

Kebijakan dan Tata Kelola untuk Tim Pengembangan

  • Membuat kebijakan penggunaan AI internal untuk tim perangkat lunak
  • Mendefinisikan penggunaan yang dapat diterima dan tanda bahaya
  • Pemilihan alat dan onboarding asisten AI secara bertanggung jawab

Mengevaluasi dan Mengaudit Output AI

  • Menggunakan daftar periksa untuk menilai kepercayaan konten yang dihasilkan
  • Melakukan ulasan manual dan otomatis untuk kode yang dihasilkan AI
  • Praktik terbaik untuk proses peer-review dan persetujuan

Ringkasan dan Langkah Berikutnya

Persyaratan

  • Pemahaman dasar tentang alur kerja pengembangan perangkat lunak
  • Keterampilan dengan Agile, DevOps, atau praktik proyek perangkat lunak secara umum

Audience

  • Tim kepatuhan
  • Pengembang
  • Manajer proyek perangkat lunak

Jumlah Peserta


Harga per Peserta

Testimoni (1)

Kursus Mendatang

Kategori Terkait