Responsible Artificial Intelligence Practices (Tiếng Việt)

Resumen

En este curso, aprenderá sobre las prácticas de IA responsable. Primero, explorará la definición de IA responsable, los desafíos a abordar y los aspectos fundamentales.

Posteriormente, profundizará en el desarrollo de sistemas de IA con servicios y herramientas de AWS. El curso también guiará en la consideración de la selección de modelos y la preparación de datos.

Finalmente, aprenderá sobre modelos transparentes y explicables junto con principios de diseño centrados en las personas.

• Nivel del curso: Básico
• Duración: 1 hora

El curso cuenta con elementos interactivos, textos guiados, gráficos ilustrativos y pruebas de conocimiento.

Objetivos del curso:

• Describir la IA responsable
• Explicar el sesgo en los modelos de IA
• Identificar riesgos de la IA generativa
• Explorar aspectos fundamentales de la IA responsable
• Describir los servicios y herramientas que ofrece AWS
• Práctica responsable en la selección de modelos
• Describir las características de un conjunto de datos responsable
• Describir modelos transparentes y explicables
• Identificar las compensaciones de los modelos de IA
• Explicar principios de diseño centrados en el ser humano

Audiencia del curso:

• Individuos interesados en tecnología de aprendizaje automático e inteligencia artificial
• Personas interesadas en presentarse al examen de certificación AWS Certified AI Practitioner

Requisitos previos: El curso forma parte de una serie de conocimientos fundamentales sobre IA, debe haber completado:

• Fundamentos de Aprendizaje Automático e Inteligencia Artificial
• Explorando Casos de Uso y Aplicaciones de Inteligencia Artificial

Esquema del curso:

Parte 1: Introducción

• Introducción

Parte 2: Introducción a la IA responsable

• ¿Qué es la IA responsable?
• Desafíos de la IA responsable
• Aspectos fundamentales de la IA responsable
• Prueba de conocimiento

Parte 3: Desarrollo de sistemas de IA responsable

• Servicios y herramientas de AWS
• Consideraciones en la selección de modelos
• Preparación del conjunto de datos
• Prueba de conocimiento

Parte 4: Modelos de IA transparentes y explicables

• ¿Qué son los modelos transparentes y explicables?
• Compensaciones de los modelos de IA
• Principios de diseño centrados en el ser humano
• Prueba de conocimiento

Parte 5: Recursos

• Enlace a los servicios de AWS

Programa de estudio

Enseñado por

Etiquetas

united states