Een praktische cursus over verantwoorde AI-beoordeling, met aandacht voor ethiek, definities van eerlijkheid, bias-tests, uitlegbaarheid, privacy, auteursrecht en verificatie van synthetische media.
Leer hoe u zorgen over verantwoordelijke AI kunt omzetten in concrete beoordelingsvragen en besluitdocumenten. De reeks gaat van ethische scoping en concurrerende definities van eerlijkheid naar het ontwerpen van bias-tests, verklaringslimieten, modellering van privacybedreigingen, vragen over auteursrecht en herkomst, en deepfake-verificatie. Het biedt geen juridisch advies of een universele eerlijkheidsscore; het legt de nadruk op bewijsmateriaal, getroffen mensen, onzekerheid, menselijk toezicht en escalatie.
Kadreer ethische risico's, betrokken mensen, toezichtrollen en pauzeercriteria voor een AI-gebruikscasus. Kies en documenteer controles op eerlijkheid, vooringenomenheid en verklaarbaarheid, met hun beperkingen. Breng privacy-, herkomst- en synthetische-mediarisico's in kaart in bruikbare controles. Maak een gedateerde beoordelingsmemo en een verificatie- of escalatieplaybook.
Basiskennis van de input en output van AI-systemen is nuttig. Er is geen programmering vereist; leerlingen moeten bereid zijn te redeneren over gegevens, betrokken groepen, bewijsmateriaal en evaluatie van de organisatie.
Cursisten met basiskennis die praktische, zelfstandige vaardigheden willen opbouwen
Mensen die het beste leren met voorbeelden, begeleide lessen en praktische oefeningen
Professionals, makers en zelfstandige bouwers die een herhaalbare werkwijze zoeken
Les 1 is gratis
7 lessen · Gemiddeld · Volledige cursus.
Deze cursus gebruikt CC BY-gelicentieerd materiaal met naamsvermelding van de inhoudsprovider of uploader. Lesvideo’s zijn alleen na aanmelding beschikbaar wanneer de publicatie- en licentiecontroles zijn geslaagd.