Visão Geral

O Curso IA Trusted AI and Autonomy, é uma introdução de 16 horas à Inteligência Artificial (IA) e como ela se relaciona com a Autonomia, a disciplina de engenharia que expande as habilidades dos robôs para executar tarefas, ao mesmo tempo que limita a necessidade de interação humana.

Este Curso IA Trusted AI and Autonomy é especialmente benéfico para indivíduos que desejam ter uma visão geral para se comunicar com indivíduos técnicos e não técnicos. O curso rápido de IA e autonomia confiável cobre os aspectos mais importantes de IA e autonomia sem se envolver muito nos detalhes técnicos. Os participantes aprenderão como a Autonomia habilitada para IA opera independentemente da intervenção humana direta para atingir um objetivo ou resolver um problema. Além disso, os participantes aprenderão sobre os benefícios da IA ​​e da Autonomia e aplicações específicas que se prestam à tecnologia de IA e Autonomia agora e no futuro.

Esta tecnologia de ponta é importante porque um sistema de IA processa uma grande quantidade de dados num curto espaço de tempo, encontrando a melhor solução disponível naquele momento para a tarefa em questão para o sistema autónomo ou equipa homem-máquina. Também pode perceber, avaliar e dar sentido a novas situações com muito poucos dados – também conhecidos como “dados esparsos” – o que encurta os prazos de tomada de decisão.

Publico Alvo

• Gerentes de programas e projetos
• Liderança de TI
• Gerentes de infraestrutura de TI
• CIOs/CTOs/CSOs
• Gerentes de configuração
• Desenvolvedores e membros e líderes da equipe de aplicativos
• Gerentes de projetos e programas de TI
• Proprietários e gerentes de produto
• Pessoal Militar e Líderes
• Empreiteiros Militares
• Qualquer pessoa interessada no potencial da tecnologia de IA e autonomia

Materiais

Conteúdo Programatico

Introduction to Trusted AI and Autonomy

1. Defining AI and autonomy
2. Importance of trust in AI systems
3. Ethical considerations and challenges

Fundamentals of Artificial Intelligence

1. Overview of machine learning and deep learning
2. Algorithms and models for AI
3. Data acquisition and preprocessing

Trustworthy AI Principles

1. Transparency and explainability
2. Fairness and bias mitigation
3. Robustness and reliability
4. Privacy and security

Evaluation and Verification of AI Systems

1. Testing methodologies for AI models
2. Evaluation metrics for trustworthiness
3. Verification techniques and tools
4. Benchmarking and standards

Explainable AI (XAI)

1. Need for explainability in AI systems
2. Techniques for model interpretability
3. Visualizations and feature importance
4. Rule-based and symbolic approaches

Fairness, Bias, and Diversity

1. Understanding biases in data and algorithms
2. Measuring and mitigating bias in AI systems
3. Ensuring diversity and inclusivity
4. Ethical considerations in decision-making

Robustness and Resilience

1. Adversarial attacks and defenses
2. Secure and resilient AI architectures
3. Error handling and fault tolerance
4. System robustness in real-world scenarios

Privacy and Security in AI

1. Privacy-preserving techniques in data handling
2. Secure multi-party computation
3. Federated learning and differential privacy
4. Threat modeling and security practices

Human-AI Interaction

1. Designing intuitive and user-centric AI interfaces
2. Collaborative decision-making with AI
3. Trust building and user acceptance
4. User experience and feedback mechanisms

Regulatory and Ethical Considerations

1. Legal and policy frameworks for AI
2. Responsible AI practices and guidelines
3. Impact of AI on society and workforce
4. Future trends and emerging challenges