آموزش GenAI و امنیت سایبری - فریمورکها و بهترین شیوهها 2025
✅ سرفصل و جزئیات آموزش
آنچه یاد خواهید گرفت:
- تسلط به اصول بنیادی و بهترین شیوهها برای یکپارچهسازی Generative AI در امنیت سایبری
- آشنایی با مفاهیم هوش مصنوعی، یادگیری ماشین و یادگیری عمیق و تمرکز بر کاربردهای آنها در صنایع مختلف، از جمله مطالعه موردی در اتوپایلوت تسلا.
- بررسی تلاقی هوش مصنوعی، یادگیری ماشین و امنیت سایبری و درک جنبههای اخلاقی و ریسکهای احتمالی با مثالهایی از سناریوهای واقعی
- بررسی آخرین روندهای صنعت، از جمله گزارشهای شرکتهایی مانند Gartner
- بررسی عمیق معماریهای معمول امنیت سایبری مبتنی بر ابر و مخصوص هوش مصنوعی و یادگیری تفاوتهای آنها و دلیل اهمیت آنها
- توسعه استراتژیهایی برای مدیریت حریم خصوصی داده هوش مصنوعی، شامل کیفیت داده، حاکمیت داده و مدیریت چرخه عمر داده
- آشنایی با چارچوبهای مدیریت ریسک هوش مصنوعی مانند NIST AI RMF و بررسی مطالعات موردی برای ناوبری ریسکهای هوش مصنوعی
- درک کنترلها و سیاستهای کلیدی هوش مصنوعی از جمله سهگانه CIA، آسیبپذیریهای OWASP AI و چارچوبهای حاکمیت هوش مصنوعی
- کسب آموزشهای مربوط به حسابرسی سیستمهای هوش مصنوعی، درک مولفههای انطباق و مقایسه آمادگیها
- بررسی چارچوبهای قانونی مختلف هوش مصنوعی، شامل قانون هوش مصنوعی اتحادیه اروپا، GDPR و چارچوبهای اخلاقی هوش مصنوعی توسط OECD
- درک پیامدهای امنیتی Generative AI و بررسی دفاعها، چالشها و فرصتهای آینده
- آشنایی با راهحلهای نوآورانه Generative AI و فرصتهای آن، از جمله پیادهسازیهای سفارشی مدلهای زبانی بزرگ (LLM) و کاربردهای صنعتی خاص
- درک اینکه چگونه هوش مصنوعی میتواند برای بهبود شیوههای حاکمیت مورد استفاده قرار گیرد و توسعه چارچوبهایی برای پذیرش کمریسک هوش مصنوعی
- مطالعه مباحث جنجالی و مسائل اخلاقی کلیدی در هوش مصنوعی بر اساس مستندات یونسکو و سایر مراجع برای اطلاعرسانی از شیوههای مسئولانه در هوش مصنوعی
پیشنیازهای دوره
- دانش اولیه از فناوریهای هوش مصنوعی و یادگیری ماشین الزامی است.
- علاقه به دنبال کردن آخرین تحولات دنیای هوش مصنوعی
- آشنایی و شناخت اولیه از یوزکیسهای هوش مصنوعی
توضیحات دوره
به آینده خوشآمدید! به دوره «GenAI و امنیت سایبری - چارچوبها و بهترین شیوهها 2025» خوشآمدید!
پیشرفتهای سریع در Generative AI صنایع را متحول میکند و هیچ زمانی بهتر از حال، برای بروزرسانی مهارتها و دانش شما وجود نداشته است.
از خلق آثار هنری تا خودکارسازی کد، هوش مصنوعی اکنون جزو بخشهای ضروری زندگی روزمره است و برای کسبوکارها و افراد بسیار حیاتی است که پتانسیلهای آن را بشناسند.
شرکتهای فناوری از هوش مصنوعی از دستیارهای هوشمندی که همواره در حال یادگیری و بهبود هستند، برای سادهسازی عملیاتها، افزایش بهرهوری و پیشبرد نوآوری استفاده میکنند.
ابزارهای هوش مصنوعی فرآیندها را تسهیل کرده، بهرهوری را افزایش داده و نوآوریهایی را به وجود آوردهاند که قبلاً ناممکن تصور میشدند.
اما بهترین نکته این است: این فناوری دیگر فقط برای بازیگران بزرگ نیست.
کسبوکارهای کوچک و استارتاپها اکنون به ابزارهایی دسترسی دارند که زمین بازی را برابر میکند.
این دوره به شما کمک میکند تفکر خود را به سمت یافتن راهحل هدایت کنید؛ هدف، تعامل در بحثها، کسب دیدگاههای نو، نمونهسازی اولیه و حل مسئله بهصورت گام به گام است.
این فرآیند، بهجای اتخاذ نگاه صفر و یکی، منجر به راهحلهای نوآورانه میشود.
برای ناوبری این چشمانداز نوآورانه جدید، بروز ماندن با آخرین تحولات هوش مصنوعی تنها یک گزینه نیست، بلکه یک ضرورت است.
درک پیشرفتهای اخیر در Generative AI دنیایی از فرصتها را به روی شما میگشاید:
- تحول در صنایع - شما کشف میکنید که هوش مصنوعی چگونه در کاربردهای پیشرفته به کار میرود، از جمله سیستم اتوپایلوت تسلا و تشخیص ناهنجاری پیچیده آن تا فناوریهای هوش مصنوعی در حوزه بینایی کامپیوتری
- تقویت حل مسئله - شما یاد میگیرید چگونه هوش مصنوعی میتواند با مسائل پیچیده با دقت و کارایی بیسابقه مقابله کند و راهحلهایی نوآورانه ارائه دهد که قبلاً تصور نمیشد.
- ارتقای مهارتهای آینده - با تکامل مداوم هوش مصنوعی، با آخرین روندها و فناوریها بروز میمانید که تضمین میکند که در حوزه خود مرتبط و رقابتی بمانید.
- یادگیری جامع - دوره ما همه موارد را از مفاهیم اساسی در هوش مصنوعی، یادگیری ماشین و یادگیری عمیق تا یوزکیسهای عملی و بهترین شیوهها در امنیت سایبری پوشش میدهد.
این دوره چگونه به شما کمک میکند؟
ارائه دیدگاهی برای نگاشت دامنه و داده در چارچوب هوش مصنوعی:
- پرسشهای بهتری برای راهحلهای هوش مصنوعی مطرح میکنید و دیدگاههای دامنه و داده خود را برای تعادل استراتژیهای راهحلسازی هوش مصنوعی اعمال میکنید.
- سناریوها را محک میزنید و حتی بدون داشتن درک کامل از همه جنبههای فنی، کوئریهای را ارائه میدهید.
- حوزههای فناوری، تخصصهای دامنه و استراتژیهای هوش مصنوعی مرتبط با اهداف خود را شناسایی میکنید.
- چند سال را برای تمرکز انتخاب میکنید - مدیریت محصول GenAI، توسعه GenAI، تیونینگ دقیق مدل، توسعهدهنده ایجنت، Txt2SQL، یوزکیسهای مرتبط با بینایی کامپیوتری و یوزکیسهای متمرکز بر دامنه
- راهحل واحدی برای حل چالشها وجود ندارد. موضوع رویکرد است: آیا دیدگاه لازم را کسب میکنیم؟ آیا قدمی به جلو برمیداریم؟ آیا مسئله قابل حل است؟ چگونه میتوانیم زاویه دید را تغییر دهیم و جنبههای مختلف را در نظر بگیریم؟
- این فرآیند تکراری اساس یادگیری است. فقط خود را به حالات بولی صفر و یک محدود نکنید.
- نوآوری از تکرار مداوم میآید، نه از تکمیل فوری
این دوره به شما کمک میکند تا موارد زیر را درک و شناسایی کنید:
- تمایز بین کارشناسان نظری، کارشناسان نظریهپرداز و افرادی که تجربه عملی دارند. هرگز نظرات را بدون بنچمارکها و داده پشتیبانی دقیق ارزیابی نکنید.
- در حالی که همه درباره توانمندیها صحبت میکنند، تعداد کمی به مسائل محدودکننده و بنچمارکها میپردازند. فروش اغراقشده الگویی مکرر است.
در پایان دوره، موارد زیر را یاد خواهید گرفت:
Generative AI و امنیت سایبری - چارچوبها و بهترین شیوهها
- درک مفاهیم بنیادی هوش مصنوعی، یادگیری ماشین، یادگیری عمیق و GenAI
- بررسی یوزکیسها و کاربردهای کلیدی امنیت سایبری
- تحلیل مطالعات موردی مانند اتوپایلوت تسلا برای تشخیص ناهنجاریها و چالشهای مربوط به هوش متعارف
امنیت سایبری در هوش مصنوعی و یادگیری ماشین و اخلاق هوش مصنوعی
- درک اهمیت امنیت سایبری در حوزه هوش مصنوعی و یادگیری ماشین
- ارزیابی ریسکهای فناوری هوش مصنوعی در مراحل مختلف با مثالهای عملی
- مطالعه روندهای فناوری نوظهور و تأثیر آنها بر امنیت سایبری
راهحل و امنیت زیرساخت
- بررسی معماریهای معمول امنیت سایبری مبتنی بر ابر
- مقایسه راهحلهای امنیت سایبری مخصوص هوش مصنوعی و چالشهای منحصربهفرد آنها
- بحث در مورد اینکه چرا امنیت سایبری برای هوش مصنوعی باید بازتعریف شود و نقش قوانین هوش مصنوعی
استراتژی داده و حریم خصوصی هوش مصنوعی
- درک نقض داده و توسعه استراتژی قوی داده هوش مصنوعی
- یادگیری مدلسازی هوش داده و مدیریت کیفیت داده
- بررسی مدیریت چرخه عمر داده، اخلاق داده، امنیت داده و حاکمیت داده
استراتژی حریم خصوصی هوش مصنوعی
- ناوبری پارادوکس حریم خصوصی هوش مصنوعی و عوامل و نگرانیهای مرتبط
- ارزیابی نگرانیهای حریم خصوصی مرتبط با داده، هویت، حساسیت و نظارت
- بررسی قوانین، سیاستها و ابزارهای حفاظت از حریم خصوصی هوش مصنوعی
مدیریت ریسک و مدیریت تهدید هوش مصنوعی
- بررسی ریسکها و تهدیدات هوش مصنوعی از طریق مطالعات موردی دقیق
- پیادهسازی چارچوبهای هوش مصنوعی مانند NIST AI RMF برای مدیریت ریسک مؤثر
- بررسی چشماندازهای تهدید هوش مصنوعی نوظهور و روندهای آینده مدیریت ریسک
چارچوبها و سیاستهای هوش مصنوعی
- مطالعه عمیق هسته NIST AI RMF، نقشه راه، پلیبوک و تاکسونومی آن
- بررسی پذیرش اولیه چارچوبها و سیاستهای هوش مصنوعی با یوزکیسهای مرتبط
- بررسی مرجعهای امنیت سایبری، چارچوبهای هوش مصنوعی و سیاستهای حاکمیت
کنترلهای هوش مصنوعی
- درک کنترلهای هوش مصنوعی و سهگانه CIA
- بازتعریف ارزیابیهای BIA و ISBIA
- آشنایی با آسیبپذیریهای برتر OWASP و MLSecOps
حسابرسی و انطباق هوش مصنوعی
- شناسایی نیاز به حسابرسی سیستمهای هوش مصنوعی و کامپوننتهای آنها
- مقایسه آمادگی برای حسابرسی و انطباق سیستمهای هوش مصنوعی
قوانین و مقررات هوش مصنوعی
- تحلیل چارچوب هوش مصنوعی اتحادیه اروپا و رویکرد مبتنی بر ریسک برای تنظیم هوش مصنوعی
- مطالعه چارچوب اخلاقی هوش مصنوعی توسط OECD، قانون هوش مصنوعی اتحادیه اروپا و GDPR AI
- درک پیامدهای قانون حفاظت داده و اطلاعات دیجیتال بریتانیا
امنیت Generative AI و LLM
- آشنایی با مفاهیم ریسک generative AI، سوگیریها و دفاعها
- بررسی آینده امنیت هوش مصنوعی و چالشها و فرصتهای نوظهور
مطالعات موردی generative AI
- ارزیابی ریسکها و فرصتها در سیستمهای LLM
- بررسی حریم خصوصی سازمانی در OpenAI و ابزارهای امنیت LLM
- یادگیری از طریق مطالعات موردی درباره استراتژیهای پذیرش LLM و امنیت سایبری
راهحلها و فرصتها
- کشف جدیدترین ابزارها و پلتفرمها مانند Raga LLM Hub و Giscard
- بررسی مطالعات موردی عملی در خردهفروشی، خدمات مشتری و مراقبتهای بهداشتی
- بررسی بهترین شیوهها و چارچوبهای پذیرش کمریسک هوش مصنوعی
دسترسی مادامالعمر به:
- دروس ویدئویی جامع
- مطالعات موردی دقیق
- بینشهای بروز صنعت
- پروژهها و تمرینهای عملی
این دوره چگونه به شما کمک میکند:
- پیشرفت شغلی - مهارتهای هوش مصنوعی در صنایع مختلف بسیار مورد توجه است. تسلط به generative AI میتواند مسیر شغلی شما را به سوی فرصتهای جدید در فناوری، بازاریابی، امنیت سایبری و غیره باز کند.
- راهکارهای نوآورانه - توانایی ایجاد راهحلهای پیشرفته مانند چتباتها، تجربههای کاربری شخصیسازی شده و افزایش اقدامات امنیت داده را کسب میکنید.
- بهرهوری و کارایی - شما میآموزید چگونه ابزارهای هوش مصنوعی را برای سادهسازی فرآیندها و افزایش نوآوری در سازمان خود پیاده کنید.
- هوش مصنوعی ایمن و اخلاقی - در مدیریت اخلاق هوش مصنوعی، مقابله با سوگیریهای مدل و تضمین شیوههای امنیت سایبری قوی برای کاهش ریسکهای مرتبط با هوش مصنوعی، بینشهای لازم را دریافت میکنید.
- تجربه عملی - دوره ما ترکیبی از تئوری و تمرینات عملی است تا مهارتهای واقعی را کسب کنید. از ساخت مدلهای هوش مصنوعی تا پیادهسازی معماریهای ایمن هوش مصنوعی، برای مواجهه با چالشهای واقعی آماده خواهید بود.
ویژگیهای منحصربهفرد این دوره:
- مدرسان متخصص - یادگیری از اساتیدی با سابقه طولانی در generative AI و امنیت سایبری که دیدگاههای عمیق و دانش عملی ارائه میدهند.
- مطالعات موردی واقعی - درک کامل کاربردهای هوش مصنوعی با مطالعات موردی واقعی که نشان میدهد چگونه generative AI صنایع مختلف را متحول میکند.
- بروزرسانیهای جدید صنعت - همیشه با تازهترین پیشرفتها و روندهای صنعت هوش مصنوعی بروز میمانید تا دانش و بینشهای مرتبط با محیط پویای فناوری امروزی را کسب کنید.
- مهارتهای کاربردی - کسب مهارتهایی که مستقیم در حوزه کاری شما کاربرد دارند و توانایی هدایت نوآوری و کارایی را در محل کارتان به شما ارائه میدهند.
این دوره برای چه کسانی مناسب است؟
- این دوره در حوزه generative AI و امنیت سایبری، متخصصان صنایع مختلف را توانمند میسازد.
- با ارائه تحلیل عمیق از آخرین تحولات هوش مصنوعی، بینشهای ارزشمندی برای توسعه محصول و بهبود تجربه مشتری از طریق راهحلهای پیشرفته هوش مصنوعی فراهم میکند.
- متخصصان از یادگیری درباره هوش مصنوعی و امنیت سایبری، از جمله شیوههای اخلاقی، مدیریت ریسک و اقدامات امنیتی که برای حفظ یکپارچگی سیستمهای هوش مصنوعی ضروری است، بهرهمند خواهند شد.
این تمرکز برای کسانی که مدیریت ریسک هوش مصنوعی و تضمین پروتکلهای امنیتی محکم را بر عهده دارند، بسیار حیاتی است. دوره همچنین چارچوبها و سیاستهای هوش مصنوعی از جمله NIST AI RMF را پوشش میدهد تا پیادهسازیهای هوش مصنوعی مطابق با استانداردهای صنعتی و الزامات قانونی باشد.
استراتژیهای امنیت داده و حریم خصوصی داده دیگر بخش کلیدی دوره است که به نقض داده، حاکمیت داده و حفظ حریم خصوصی داده میپردازد. این موضوع برای مدیریت و ایمنسازی داده، تضمین کیفیت آن و حفاظت از اطلاعات حساس در کانتکس هوش مصنوعی اهمیت دارد. دوره همچنین مدلهای زبانی بزرگ (LLM) را بررسی و نکات کاربردی در استقرار آنها ارائه میدهد.
از طریق مطالعات موردی واقعی مانند سیستم اتوپایلوت تسلا و کاربردهای هوش مصنوعی در بخشهای مختلف، مثالهای عملی از فناوری هوش مصنوعی در عمل ارائه میشود. با تسلط به این مباحث، متخصصان توانمند خواهند بود تا از هوش مصنوعی برای نوآوری بهره ببرند، اقدامات امنیتی را بهبود بخشند و شیوههای اخلاقی را رعایت کنند. در نتیجه، فرصتهای شغلی آنها بهتر شده و پیشرفت در حوزههای خود را تسریع میکنند.
همین امروز در دوره شرکت کنید و تواناییهای خود را به حداکثر برسانید.
به کشف مرزهای نو ادامه دهید، آنچه آموختهاید عملی کنید و برای کاوش فرصتهای جدید در generative AI و امنیت سایبری انگیزه داشته باشید.
این دوره برای چه کسانی مناسب است؟
- مدیران محصول - ایدهآل برای کسانی که به دنبال اتخاذ راهحلهای مبتنی بر LLM هستند و میخواهند توسعه محصول را بهبود بخشیده و پیادهسازی ایمن را تضمین کنند.
- دانشمندان داده - عالی برای حرفهایهایی که میخواهند GenAI را با پروژههای داده محور یکپارچه کرده، سوگیریها را مدیریت کرده و ریسکهای امنیت را بهطور مؤثر کاهش دهند.
- تیمهای امنیت سایبری - ضروری برای تیمها و مدیران امنیت (CISO) که در حوزه هوش مصنوعی و یادگیری ماشین و پذیرش GenAI فعالیت دارند و بر تامین امنیت ابتکارات هوش مصنوعی و درک تهدیدات نوظهور تمرکز کردهاند.
- رهبران و مدیران اجرایی کسبوکار - مفید برای رهبران و مدیران اجرایی کسبوکار که به دنبال پذیرش یوزکیسهای GenAI هستند تا نوآوری را هدایت کرده و انطباق و امنیت را حفظ کنند.
- افراد نورآور در حل مسئله - مناسب افراد متفکر خلاق که از مواجهه با چالشهای پیچیده با فناوریهای پیشرفته و راهحلهای هوش مصنوعی محور لذت میبرند.
- متخصصان IT - حیاتی برای کارشناسان IT که مسئول مدیریت و ایمنسازی زیرساختهای هوش مصنوعی هستند تا از پیادهسازی اقدامات امنیتی قوی اطمینان حاصل کنند.
- علاقهمندان به هوش مصنوعی و نوآوران فناوری - عالی برای افرادی که به هوش مصنوعی علاقهمند هستند و میخواهند با روندها و پیشرفتهای جدید در Generative AI و امنیت سایبری بروز بمانند.
- افسران انطباق و متخصصان حقوقی - ارزشمند برای متخصصانی که بر جنبههای انطباق و قانونی بودن نظارت دارند و میخواهند بینشهایی درباره چارچوبها، سیاستها و مسائل اخلاقی هوش مصنوعی کسب کنند.
آموزش GenAI و امنیت سایبری - فریمورکها و بهترین شیوهها 2025
-
GenAI و امنیت سایبری - چارچوبها و بهترین شیوهها نسخه 1 02:16
-
هوش مصنوعی در 5 دقیقه 04:28
-
روندهای کلیدی هوش مصنوعی 02:57
-
یادگیری ماشین در مقابل یادگیری عمیق در مقابل GenAI در مقابل هوش انسانی 02:32
-
بینایی کامپیوتری - متن - سیستمهای مدرن هوش مصنوعی 02:54
-
سطوح اتوماسیون هوش مصنوعی 02:38
-
یادگیری ماشین، یادگیری عمیق و GenAI 03:20
-
یوزکیسهای استراتژیک هوش مصنوعی 01:28
-
کاربردهای بینایی کامپیوتری 00:46
-
تست اتوپایلوت 01:17
-
اتوپایلوت تسلا - ناهنجاری 00:49
-
تشخیص در مقابل هوش متعارف 01:03
-
تبلیغ تعطیلات هوش مصنوعی کوکاکولا - سنت در مقابل نوآوری 01:46
-
روندهای پذیرش GenAI در کسبوکار 01:35
-
ارزیابی دانش - اصول هوش مصنوعی None
-
امنیت سایبری در هوش مصنوعی، یادگیری ماشین و اخلاق هوش مصنوعی (2 دقیقه) 01:43
-
نمونه ریسک هوش مصنوعی 03:46
-
ریسکهای فناوری هوش مصنوعی در مراحل مختلف 04:04
-
هوش مصنوعی اخلاقی 02:40
-
چرا هوش مصنوعی و امنیت سایبری؟ 01:25
-
روندهای فناوری نوظهور - دنیای هوشمند 03:37
-
روندهای فناوری نوظهور - تحول در بهرهوری 02:36
-
روندهای فناوری نوظهور - حریم خصوصی و شفافیت 01:22
-
روندهای فناوری نوظهور - فعالکنندههای کلیدی 00:48
-
ارزیابی دانش - امنیت سایبری در هوش مصنوعی None
-
مقدمه 00:42
-
دوران تحول شناختی چیست؟ 01:40
-
GenAI - اصول مدلهای LLM 02:23
-
هوش مصنوعی پلتفرم جدیدی را فعال میکند - Intelligence-as-a-service 03:01
-
لحظه چتجی پیتی 01:44
-
ساخت LLM سفارشی 05:28
-
100 اپلیکیشن برتر Gen AI Consumer 01:59
-
تکامل بازاریابی 01:41
-
مطالعه موردی - آمازون و Swiggy 02:47
-
مطالعه موردی - پیادهسازی LLM - درسهای شکست 02:21
-
متریکها در دامنه مراقبتهای بهداشتی 01:12
-
LLMs فعلی در پزشکی 01:00
-
کدام اقتصادها برای هوش مصنوعی آمادهاند؟ 02:04
-
Generative AI، کارگر آمریکایی و آینده کار 02:25
-
ارزیابی دانش - اصول GenAI None
-
مقدمه 00:17
-
چرا امنیت سایبری باید برای هوش مصنوعی دوباره تعریف شود؟ 04:32
-
معماری معمول امنیت سایبری مبتنی بر ابر 01:39
-
معماری معمول امنیت سایبری مبتنی بر ابر - آژور 02:13
-
معماری امنیت سایبری هوش مصنوعی 01:39
-
راهحلها و زیرساختهای هوش مصنوعی چگونه متفاوت هستند؟ 05:03
-
جنجالهای کلیدی هوش مصنوعی طبق لیست یونسکو 01:43
-
جنجالهای کلیدی هوش مصنوعی طبق لیست یونسکو - ادامه 02:19
-
نواحی تمرکز اضافی برای امنیت راهحل و زیرساخت 00:51
-
به مقررات هوش مصنوعی اعتماد کنید؟ 02:34
-
ارزیابی دانش - امنیت راهحل و زیرساخت None
-
امنیت مدل 01:24
-
چالشهای امنیت مدل GenAI 04:39
-
امنیت در GenAI 01:03
-
پایگاه داده حوادث هوش مصنوعی 01:23
-
نظرسنجی توهم 02:22
-
LLMSecOps 02:00
-
ارزیابی دانش - امنیت مدل None
-
مقدمه 00:26
-
کنترلهای هوش مصنوعی - سهگانه CIA 02:06
-
تعریف مجدد ارزیابیهای BIA و ISBIA 03:05
-
کنترلهای هوش مصنوعی - بخش 1 02:52
-
کنترلهای هوش مصنوعی - بخش 2 03:10
-
کنترلهای هوش مصنوعی - بخش 3 02:11
-
OWASP و OWASP AI و MLSecOps - ده آسیبپذیری برتر 02:26
-
ارزیابی دانش - کنترلهای هوش مصنوعی None
-
آشنایی با استراتژی داده و حریم خصوصی هوش مصنوعی 00:13
-
نقضهای داده 00:59
-
استراتژی داده هوش مصنوعی 03:35
-
مدلسازی هوش داده - بخش 1 02:54
-
مدلسازی هوش داده - بخش 2 02:39
-
اخلاق داده 03:37
-
مدیریت چرخه عمر داده 02:07
-
کیفیت داده - تایپهای داده مختلف 03:15
-
امنیت داده 03:05
-
حاکمیت داده 00:45
-
حریم خصوصی داده 01:33
-
ارزیابی دانش - استراتژی داده و حریم خصوصی هوش مصنوعی None
-
مقدمه 00:23
-
پارادوکس حریم خصوصی هوش مصنوعی 02:14
-
حریم خصوصی هوش مصنوعی - عوامل و نگرانیها 01:33
-
حریم خصوصی هوش مصنوعی - عوامل و نگرانیها - قوانین، سیاستها، ابزارها 01:34
-
حریم خصوصی هوش مصنوعی - عوامل و نگرانیها - داده 02:32
-
حریم خصوصی هوش مصنوعی - عوامل و نگرانیها - هویت 02:10
-
حریم خصوصی هوش مصنوعی - عوامل و نگرانیها - حساسیت 01:30
-
حریم خصوصی هوش مصنوعی - عوامل و نگرانیها - نظارت - نسخه 1 01:40
-
حریم خصوصی هوش مصنوعی - عوامل و نگرانیها - قوانین، سیاستها، ابزارها 01:34
-
ارزیابی دانش - استراتژی حریم خصوصی هوش مصنوعی None
-
مقدمه 00:39
-
ارزیابی LLM و ریسکها 02:24
-
مطالعات موردی - ناوبری ریسکهای هوش مصنوعی 02:26
-
چشمانداز تهدیدات نوظهور هوش مصنوعی 03:08
-
روندهای نوظهور در مدیریت ریسک و نوآوریها 04:46
-
مدیریت ریسک و تهدیدات هوش مصنوعی 04:32
-
چارچوبهای هوش مصنوعی - NIST AI RMF 01:55
-
بازتعریف مدیریت ریسک برای هوش مصنوعی 03:00
-
یکپارچهسازی مدیریت ریسک هوش مصنوعی 03:14
-
بازیگران هوش مصنوعی در مراحل مختلف چرخه عمر 00:52
-
قابلیت اعتماد و ریسک هوش مصنوعی 02:03
-
مدیریت ریسک و تهدیدات هوش مصنوعی 04:32
-
آینده مدیریت ریسک هوش مصنوعی 02:59
-
ارزیابی دانش - مدیریت ریسک هوش مصنوعی None
-
مقدمه 00:25
-
NIST AI RMF Core، نقشه راه و پلیبوک 03:47
-
چارچوببندی ریسک در NIST AI RMF 00:38
-
تاکسونومی NIST AI RMF 02:19
-
پذیرش اولیه چارچوبها و سیاستهای هوش مصنوعی 03:13
-
پذیرش اولیه NIST - یوزکیسها 01:07
-
امنیت سایبری - منابع، چارچوبهای هوش مصنوعی و سیاستهای حاکمیتی 01:08
-
ارزیابی دانش - چارچوبها و سیاستهای هوش مصنوعی None
-
مقدمه 00:50
-
نیاز به حسابرسی سیستمهای هوش مصنوعی 02:42
-
مولفههای حسابرسی سیستمهای هوش مصنوعی 02:12
-
حسابرسی و انطباق - مقایسه و آمادگی 02:32
-
ارزیابی دانش - حسابرسی و انطباق هوش مصنوعی None
-
مقدمه 00:19
-
فریمورک هوش مصنوعی اتحادیه اروپا - رویکرد مبتنی بر ریسک برای مقررات هوش مصنوعی 02:07
-
چارچوب هوش مصنوعی اخلاقی توسط OECD، قانون هوش مصنوعی اتحادیه اروپا و GDPR AI 01:59
-
قانون هوش مصنوعی اتحادیه اروپا 01:16
-
پوشش GDPRs از هوش مصنوعی 04:40
-
لایحه حفاظت از داده و اطلاعات دیجیتال بریتانیا 01:37
-
ارزیابی دانش - قوانین و مقررات هوش مصنوعی None
-
آشنایی با این بخش 00:41
-
پیامدهای ریسک Generative AI 01:03
-
سوگیری در توزیع 02:32
-
حملات و دفاعهای GenAI 01:37
-
منابع تهدید برای ایجنتهای LLM 01:23
-
ایجنتها در مقابل پذیرش هوش مصنوعی مسئول 02:11
-
دفاعهای نوظهور GenAI 01:59
-
آینده هوش مصنوعی ایمن - چالشها و فرصتها 05:03
-
ارزیابی دانش - امنیت LLM None
-
مقدمه 00:32
-
پیشرفت متدهای حمله، مکانیزمهای دفاع در LLMs و محدودیتهای آنها 02:35
-
تاکسونومی ریسکهای سیستمهای LLM 02:50
-
آسیبپذیریهای LLM 01:09
-
ارزیابی فرصتها، ریسکها و انطباق LLM با قانون هوش مصنوعی اتحادیه اروپا 02:07
-
امنیت LLM 03:34
-
مدلهای LLM و انطباق - سؤالات کلیدی درباره مدلهای فعلی 01:32
-
ریسکها و فرصتهای Generative AI متنباز 02:35
-
امنیت داده - حریم خصوصی سازمانی در OpenAI 01:51
-
ابزارهای امنیت LLM و گوگل - محافظت از مرکز فرماندهی امنیتی - VertexAI 01:43
-
یوزکیسها و کاهش ریسک LLM 03:10
-
تحلیل ریسک RAG، پرامپتها و ایجنتها 03:30
-
چالش تیم قرمز در Generative AI 01:20
-
بنچمارکهای خاص دامنه - LegalBench در مقابل CorpFin 01:28
-
استراتژی پذیرش GenAI 03:28
-
استراتژی پذیرش ریسک پایین GenAI 04:32
-
استفاده از تیم قرمز برای حاکمیت هوش مصنوعی 01:21
-
ارزیابی دانش - استراتژی پذیرش GenAI None
-
تحلیل پذیرش بینایی کامپیوتری 05:04
-
چالشهای دقت و انسجام مدل GenAI - تستها 02:13
-
جشن گرفتن یک سال موفقیت یوزکیس GenAI در خردهفروشی 04:48
-
خلاصه و دیدگاههای پذیرش LLMs 02:58
-
ارزیابی دانش - یوزکیسهای GenAI None
-
مقدمه 00:36
-
بررسی عمیق امنیت اکوسیستم هوش مصنوعی 01:24
-
مطالعه موردی AuditOne 02:02
-
بررسی عمیق مطالعه موردی AuditOne 04:28
-
با rolled out کردن Apple Intelligence روی سیستم عامل مک 15.1 01:56
-
چرخه عمر گاردریلها و آسیبپذیریها 02:33
-
Raga LLM Hub - ارزیابی و گاردریلهای LLM 03:08
-
Giskard 03:19
-
مطالعه موردی - Dropbox - گاردریلها و پذیرش تعدیل LLM 02:03
-
APIs تعدیل محتوا 02:30
-
راهنمای آژور 02:06
-
مطالعه موردی - LLM - یوزکیس غنیسازی خلاصه کانتکس (آمازون و Swiggy) 01:38
-
ارزیابی دانش - شیوههای پذیرش GenAI None
-
مطالعه موردی شماره 2 - ربات راهنمای محصول Instore Associate 08:36
-
مطالعه موردی شماره 3 - چتبات مواجهه با مشتری - چکلیست اینتنت، کانتکس، گاردریلها 04:35
-
تسریع پاسخ به حادثه با استفاده از Generative AI 02:36
-
چگونه چتباتها را از هوش مصنوعی و یادگیری ماشین به GenAI مهاجرت دهیم؟ 03:37
-
ارتباط داده - اهمیت پایگاه داده دامنه و LLM 01:51
-
بهترین شیوهها - داستانهای موفقیت - Klara 01:57
-
فریمورک پذیرش ریسک پایین GenAI 03:05
-
دستاوردهای RAG، تیونینگ دقیق نادر است و گسترش ایجنتها 02:59
-
توصیههای GenAI 02:32
-
ضرورت رهبری - چشمانداز فراتر از هیاهو 08:55
-
خلاصه 02:13
-
ارزیابی دانش - خلاصه دوره None
مشخصات آموزش
آموزش GenAI و امنیت سایبری - فریمورکها و بهترین شیوهها 2025
- تاریخ به روز رسانی: 1404/06/14
- سطح دوره:همه سطوح
- تعداد درس:179
- مدت زمان :06:24:55
- حجم :2.66GB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy