Avaliar a robustez dos sistemas de IA é uma parte crucial do seu desenvolvimento e implementação. Aqui no BSI, desenvolvemos um curso que explora em profundidade a importância e o impacto da implementação de sistemas robustos de aprendizado profundo, seguindo a norma ISO/IEC 24029-1:2021. Aprofundamos os principais aspectos da norma, explorando todas as suas partes técnicas e o conteúdo prático correspondente.

On-demand - treinamento ainda mais flexível

Os cursos sob demanda da BSI são líderes de mercado e estão disponíveis 24 horas por dia, 7 dias por semana. Desenvolvidos pelos principais especialistas no assunto, eles contêm o mesmo conteúdo de alta qualidade que você encontrará em nossos treinamentos presenciais, com o benefício adicional de poder aprender no seu próprio ritmo e a qualquer hora.

Objetivo do curso

O objetivo deste curso é fornecer as ferramentas técnicas para garantir que seus modelos de aprendizado profundo sejam robustos, ou seja, que apresentem bom desempenho em todas as circunstâncias, mesmo em situações imprevistas e incomuns.

Nosso objetivo é fornecer conhecimento sobre os principais conceitos técnicos da ISO/IEC 24029-1:2021, explicando os diferentes métodos (estatísticos, formais, empíricos) pelos quais a robustez pode ser avaliada, e alguns conceitos mais avançados, como perturbação de dados e interpretação abstrata.

O curso ajuda a reforçar a importância da avaliação da robustez e a compreensão do impacto que os problemas podem ter no desenvolvimento e na implementação de sistemas de aprendizado profundo.

Nosso objetivo é fornecer conhecimento sobre os diferentes contextos em que as preocupações com a robustez podem surgir, fornecendo exemplos de problemas e apresentando possíveis estratégias para detectar (e possivelmente solucioná-los).

Quais os benefícios para mim?

Este curso ajudará-lo a:

1.Construir um conjunto de ferramentas com métodos que podem ajudar a identificar problemas de robustez

2.Compreender os diferentes tipos de perturbações de dados e seu uso na criação de conjuntos de dados para testes de robustez

3.Projetar fluxos de trabalho para detectar e solucionar problemas de robustez

4.Tomar medidas para garantir que a avaliação da robustez faça parte do desenvolvimento e da implementação de sistemas de IA que envolvem redes neurais

O que vou aprender?

Ao concluir este curso, você será capaz de:

• Aplicar os métodos fornecidos pela norma para detectar problemas de robustez que surgem no desenvolvimento e na implementação de um sistema de aprendizado profundo
• Descrever os principais princípios por trás da perturbação de dados e da interpretação abstrata
• Construir protocolos para avaliar a robustez de uma rede neural

Módulos

• Módulo 1: Métodos estatísticos de robustez
• Módulo 2: Métodos formais de robustez
• Módulo 3: Métodos empíricos de robustez
• Módulo 4: Anexos da norma
• Módulo 5: Revisão e resumo do curso