在本课程中，您将学习负责任的 AI 实践。首先，您将了解什么是负责任的 AI。您将学习如何定义负责任的 AI，了解负责任的 AI 需要克服的挑战，并探索负责任的 AI 的核心维度。
然后，您将深入探讨有关开发负责任的 AI 系统的一些主题。您将了解 AWS 为帮助您使用负责任的 AI 而提供的服务和工具。此外，您还将了解为 AI 系统选择模型和准备数据时的负责任的 AI 注意事项。
最后，您将了解透明且可解释的模型。您将深刻了解什么是透明且可解释的模型。您还将探索透明模型的权衡考虑因素和可解释的 AI 的以人为本设计原则。
- 课程级别：基础级
- 时长：1 小时
课程内容
本课程包含互动元素、文字说明、配文图表和知识考核。
课程目标
在本课程中，您将了解如何实现以下目标：
- 描述负责任的 AI
- 解释 AI 模型中的偏差
- 识别生成式 AI 的风险
- 确定负责任的 AI 的核心维度
- 描述 AWS 为负责任的 AI 提供的服务和工具
- 解释选择模型时的负责任的做法
- 描述负责任的数据集的负责任的特征
- 描述透明且可解释的模型
- 确定 AI 模型的负责任的权衡取舍
- 解释以人为本设计原则
目标受众
本课程面向以下人员：
- 对机器学习和人工智能感兴趣的个人，与特定工作岗位无关
- 准备参加 AWS Certified AI Practitioner 认证考试的个人
前提条件
Responsible AI Practices 是旨在讲授人工智能、机器学习和生成式 AI 基础知识的系列课程的一部分。如果您尚未完成以下两门课程，建议您先完成：
- Fundamentals of Machine Learning and Artificial Intelligence
- Exploring Artificial Intelligence Use Cases and Applications
课程大纲
第 1 部分：简介
- 简介
第 2 部分：负责任的 AI 简介
- 什么是负责任的 AI
- 负责任的 AI 面临的挑战
- 负责任的 AI 的核心维度
- 知识考核
第 3 部分：开发负责任的 AI 系统
- 用于负责任的 AI 的 Amazon 服务和工具
- 选择模型时的负责任的考虑因素
- 负责任地准备数据集
- 知识考核
第 4 部分：透明且可解释的 AI 模型
- 什么是透明且可解释的模型
- 负责任的 AI 模型的权衡取舍
- 可解释的 AI 的以人为本设计原则
- 知识考察点
第 5 部分：资源
- 指向 AWS 服务的链接
