UYUM · Başlangıç → Orta
AI Uyum Sorumlusu
Kurumda kullanılan yapay zekâ sistemlerinin dökümünü almaktan, her biri için rol, risk sınıfı ve yükümlülük listesi üretmeye kadar olan yolu izler. Hukuk, risk veya veri yönetişimi tarafından gelen bir uzmanı, teknik ekiple aynı tanımları paylaşan bir uyum sorumlusuna taşır. Son aşamada şeffaflık bildirimleri, insan gözetimi tanımları ve denetimde sunulacak kanıt seti dosya düzenine bağlanır.
- Bölüm
- 6
- Süre
- ~44 sa
- Ders
- 6
- Önkoşul
- 3
Bölüm döngüsü
- 1Teori
- 2Örnek
- 3Lab
- 4Test
- 5Proje
Önkoşullar
- Kişisel veri, veri sorumlusu ve veri işleyen ayrımını kendi sözleriyle açıklayabilmek
- Kurum içinde süreç sahibini bulup bilgi talebini sonuca kadar yürütebilmek
- Bir politika veya prosedür belgesini yazıp sürüm kaydını tutabilmek
Rotayı bitirdiğinde ne yapabiliyor olacaksın?
Kurumun yapay zekâ kullanımını kayda geçirme ve denetime hazır tutma sorumluluğu olan hukuk, risk veya veri yönetişimi çalışanları için; kod yazma gerekmez.
- 01
Kurumdaki yapay zekâ sistemlerini sahip, amaç ve veri kaynağı alanlarıyla envantere geçirebilmek
- 02
Her sistem için sağlayıcı ya da uygulayıcı rolünü gerekçesiyle belirleyebilmek
- 03
Bir kullanımı risk sınıfına yerleştirip ona bağlı yükümlülükleri madde madde çıkarabilmek
- 04
Kişisel veri işleyen bir üretken yapay zekâ akışı için aydınlatma ve saklama kuralı yazabilmek
- 05
Tedarikçi model belgelerini kontrol listesiyle inceleyip eksik kanıtı talep listesine dönüştürebilmek
- 06
Denetimde istenecek kanıt setini izlenebilir bir dosya düzeniyle hazır tutabilmek
6 bölüm
Her bölüm ilgili Atlas kavramlarına bağlanır; eksik önkoşul varsa beceri grafiği uyarır.
- 01
Yapay zekâ sistemlerini tanımak
6 saatKural tabanlı yazılım, makine öğrenmesi ve üretken modeller arasındaki ayrım uyum diliyle kurulur. Bir sistemin hangi kategoriye girdiğini, çıktısının nasıl üretildiğine bakarak söylemeyi çalışırsınız. Amaç teknik derinlik değil, teknik ekiple aynı tanımı paylaşabilmektir.
- 02
Sistem envanteri ve rol tespiti
6 saatKurumda kullanılan modeller, satın alınan hizmetlere gömülü özellikler ve ekiplerin kendi kurduğu akışlar tek envanterde toplanır. Her kayıt için sahip, amaç, veri kaynağı ve sağlayıcı–uygulayıcı rolünü belirleyen alanları tanımlarsınız. Bölüm, gölge kullanımı ortaya çıkaran bir tarama yordamıyla kapanır.
- 03
Risk sınıflandırması ve yükümlülük eşlemesi
10 saatKullanım amacına göre risk seviyeleri ayrılır ve her seviyeye bağlı yükümlülükler listeye dökülür. Envanterdeki her kaydı bu listeye bağlamayı, hangi belgenin kimden ve hangi sırayla isteneceğini planlamayı çalışırsınız. Çıktı, sistem bazında doldurulmuş bir yükümlülük eşleme tablosudur.
- 04
Kişisel veri kesişimi ve veri yönetişimi
8 saatİstem, dosya yükleme ve geri getirme indeksi yoluyla sisteme giren kişisel verinin izi sürülür. Saklama süresi, silme talebi ve yurt dışı aktarımın; gömme vektörleri ve vektör tabanlı arama kullanan akışlarda ne anlama geldiğini işlersiniz. Bölüm sonunda veri akışını uçtan uca gösteren bir şema ve saklama kuralı yazarsınız.
- 05
Tedarikçi incelemesi ve model belgeleri
6 saatSağlayıcıdan gelen model belgeleri, eğitim verisi beyanları ve ince ayar koşulları okunur bir kontrol listesine bağlanır. Hangi bilginin sözleşmede, hangisinin teknik dokümanda aranacağını ayırt etmeyi çalışırsınız. Eksik kanıtı talep diline çevirip takip edilebilir bir açık madde listesine dönüştürürsünüz.
- 06
Şeffaflık, insan gözetimi ve kanıt düzeni
8 saatKullanıcıya yapay zekâ kullanımını bildirme, itiraz yolu açma ve insan gözetimini kimin hangi yetkiyle yaptığını tanımlama biçimleri ele alınır. Yanlış veya yanıltıcı çıktı olaylarının kaydını, denetimde sunulabilir bir kanıt setine dönüştürmeyi çalışırsınız. Rota, dosya düzeni ve gözden geçirme takvimiyle üretim tarafında kapanır.
Bu rotadaki dersler
- Uyum dilinde sistem sınıflarıBir sistemin kural tabanlı yazılım mı, öğrenen bir model mi, yoksa üretken bir model mi olduğunu çıktısının nasıl üretildiğine bakarak ayırmayı öğretir. Bu ayrım, sonraki her uyum kararının girdisidir.24 dk
- Envanter kaydı ve rol tespitiEnvanter kaydının hangi alanlardan oluştuğunu, kaydın ürün başına değil kullanım başına açılmasını ve kurumun sağlayıcı mı uygulayıcı mı olduğunu belirleyen ölçütü öğretir. Gölge kullanımı ortaya çıkaran tarama yordamıyla kapanır.26 dk
- Risk kademesinden yükümlülüğe eşlemeRisk kademesini kullanım amacına göre atamayı ve her kademeyi somut belge, test ve gözetim yükümlülüğüne bağlayan bir eşleme tablosu kurmayı öğretir. Çıktı, sistem bazında doldurulmuş bir yükümlülük tablosudur.45 dk
- Kişisel verinin yapay zekâ akışındaki iziİstem, dosya yükleme, geri getirme dizini ve günlükler yoluyla sisteme giren kişisel verinin izini sürmeyi öğretir. Saklama, silme ve aktarımın gömme vektörü kullanan akışlardaki karşılığını katman katman çıkarır.38 dk
- Model belgelerini kanıt tablosuna bağlamakSağlayıcıdan gelen model belgelerini ve beyanları okunur bir kanıt tablosuna bağlamayı öğretir. Hangi bilginin sözleşmede, hangisinin teknik dokümanda aranacağını ayırır ve eksiği takip edilebilir bir talebe çevirir.28 dk
- Bildirim, insan gözetimi ve kanıt düzeniKullanıcıya bildirimi çıktının rolüne göre ölçeklemeyi, insan gözetimini yetki ve kapasiteyle tanımlamayı ve yanlış çıktı olaylarını denetimde sunulabilir bir kanıt dosyasına dönüştürmeyi öğretir.36 dk
Rotada geçen kavramlar
- Artificial IntelligenceArtificial IntelligenceÖğrenme, çıkarım yapma, algılama ve karar verme gibi insan zihnine atfedilen görevleri yazılım ve donanımla gerçekleştirmeyi amaçlayan bilgisayar bilimi alanıdır.
- Machine LearningMachine LearningKuralları insanın yazması yerine, örnek veriden istatistiksel örüntü çıkararak yeni veride tahmin üretmeyi öğrenen sistemlerin alanıdır.
- Generative AIGenerative AIÖğrendiği veri dağılımından yeni metin, görsel, ses, video veya kod örnekleri üreten model ailesinin genel adıdır.
- Large Language ModelsLarge Language ModelÇok büyük metin derlemleri üzerinde bir sonraki tokeni tahmin etmeyi öğrenmiş, transformer tabanlı ve genel amaçlı dil görevlerinde kullanılabilen sinir ağı modelidir.
- Responsible AIResponsible AIYapay zekâ sistemlerinin adillik, şeffaflık, hesap verebilirlik, gizlilik ve güvenlik boyutlarını tasarım aşamasından itibaren yönetme yaklaşımıdır.
- AI SecurityGuardrailsBir yapay zekâ sisteminin girdi, çıktı ve eylem katmanlarına yerleştirilen, istenmeyen davranışı sınırlayan programatik denetimlerdir.
- MLOps / LLMOpsEvaluationBir yapay zekâ sisteminin çıktısının, tanımlı ölçütlere göre sistematik biçimde ölçülmesidir.
- Large Language ModelsRetrieval-Augmented GenerationDil modelinin cevap üretmeden önce harici bilgi kaynaklarından ilgili bilgiyi getirip oluşturduğu bağlama eklediği yapay zekâ mimarisidir.
- Large Language ModelsEmbeddingMetin, görsel veya sesin anlamsal yakınlığı koruyacak biçimde sayısal vektörlere dönüştürülmüş temsilidir.
- AI InfrastructureVector DatabaseYüksek boyutlu vektörleri saklayıp anlamsal yakınlığa göre hızlı komşu araması yapabilen veri tabanıdır.
- Large Language ModelsFine-TuningÖnceden eğitilmiş bir modelin, belirli bir görev veya alana uyum sağlaması için ek veriyle yeniden eğitilmesidir.
- Responsible AIHallucinationModelin akıcı ve kendinden emin biçimde, gerçekle uyuşmayan bilgi üretmesidir.
Sana uygun olmayabilir mi?
ÖLÇ
Rotaya başlamadan önce nerede durduğunu gör
15 soruluk seviye testi, hangi bölümden başlaman gerektiğini söyler.