Gracias por enviar su consulta! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Gracias por enviar su reserva! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Temario del curso
Fundamentos de la Inteligencia Artificial Responsable
- ¿Qué es la IA responsable y por qué importa en el desarrollo de software?
- Principios: equidad, responsabilidad, transparencia y privacidad.
- Ejemplos de fallas éticas y mal uso de la IA en bases de código.
Sesgo y Equidad en el Código Generado por IA
- Cómo los modelos de lenguaje grandes (LLM) pueden reforzar sesgos a través de los datos de entrenamiento.
- Detección y corrección de sugerencias de código sesgadas o inseguras.
- La alucinación de la IA y el riesgo de introducir errores a gran escala.
Consideraciones sobre Licencias, Atribución y Propiedad Intelectual
- Comprensión de las licencias de código abierto (MIT, GPL, Copyleft).
- ¿Requieren los resultados generados por LLM atribución?
- Auditoría del código asistido por IA en busca de problemas de licencia de terceros.
Seguridad y Cumplimiento Normativo en el Desarrollo Asistido por IA
- Garantizar la seguridad del código y evitar patrones inseguros provenientes de LLM.
- Cumplimiento con las directrices internas de seguridad y regulaciones de la industria.
- Documentación auditable de la toma de decisiones asistidas por IA.
Políticas y Gobernanza para Equipos de Desarrollo
- Creación de políticas internas de uso de IA para equipos de software.
- Definición de usos aceptables e indicadores de alerta roja (señales de riesgo).
- Selección de herramientas e incorporación responsable de asistentes de IA.
Evaluación y Auditoría de la Salida de la IA
- Uso de listas de verificación para evaluar la fiabilidad del contenido generado.
- Realización de revisiones manuales y automatizadas del código generado por IA.
- Mejores prácticas para los procesos de revisión entre pares y aprobación final.
Resumen y Próximos Pasos
Requerimientos
- Comprensión básica de los flujos de trabajo de desarrollo de software
- Familiaridad con prácticas ágiles, DevOps o generales de proyectos de software
Público Objetivo
- Equipos de cumplimiento normativo
- Desarrolladores
- Gerentes de proyectos de software
7 Horas
Testimonios (2)
La práctica estuvo muy interactiva y aplicable al negocio.
Jorge Boscan - Chevron Global Technology Services Company
Curso - Advanced GitHub Copilot & AI for Projects and Infrastructure
Adquirí conocimientos sobre la biblioteca Streamlit de Python y, con seguridad, intentaré utilizarla para mejorar las aplicaciones de mi equipo que se desarrollan en R Shiny.
Michal Maj - XL Catlin Services SE (AXA XL)
Curso - GitHub Copilot for Developers
Traducción Automática