Kerangka Materi

Fondasi dari AI Berwawasan Etika

  • Apa itu AI berwawasan etika dan mengapa hal ini penting dalam pengembangan perangkat lunak
  • Prinsip: keadilan, pertanggungjawaban, transparansi, dan privasi
  • Contoh kegagalan etika dan penyalahgunaan AI dalam kode sumber

Bias dan Keadilan dalam Kode yang Dihasilkan oleh AI

  • Bagaimana LLM dapat memperkuat bias melalui data pelatihan
  • Mendeteksi dan mengatasai saran kode yang berbias atau tidak aman
  • Hallucinasi AI dan risiko pengenalan kesalahan dalam skala besar

Lisensi, Atribusi, dan Pertimbangan Hak Kekayaan Intelektual

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

Keamanan dan Ketentuan dalam Pengembangan Bantuannya AI

  • Menjamin keamanan kode dan menghindari pola yang tidak aman dari LLM
  • Kesesuaian dengan petunjuk keamanan internal dan regulasi industri
  • Dokumentasi yang dapat diaudit untuk pengambilan keputusan bantuannya AI

Kebijakan dan Governance untuk Tim Pengembangan

  • Menciptakan kebijakan internal penggunaan AI bagi tim perangkat lunak
  • Menentukan penggunaan yang dapat diterima dan tanda-tanda bahaya
  • Pemilihan alat dan pelantikan bertanggung jawab asisten AI

Evaluasi dan Audit Output AI

  • Menggunakan daftar periksa untuk menilai kepercayaan dari konten yang dihasilkan
  • Melakukan tinjauan manual dan otomatis terhadap kode yang dihasilkan oleh AI
  • Praktik terbaik untuk proses tinjauan sejawat dan persetujuan

Ringkasan dan Langkah Berikutnya

Persyaratan

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

Audience

  • Tim kepatuhan
  • Pengembang
  • Manajer proyek perangkat lunak
 7 Jam

Jumlah Peserta


Biaya per Peserta

Kursus Mendatang

Kategori Terkait