Administrativ information
| Titel | Undersöka datalinjer, utmaningar och potentiella effekter av AI-teamen |
| Varaktighet | 90 min |
| Modul | C |
| Typ av lektion | Praktiskt |
| Fokus | Etisk – efterlevnad, laglighet och mänsklighet |
| Ämne | Datahantering, revision och bedömning |
Nyckelord
Data Lineage, Data Provenence, Differential Privacy, Data Pipeline,
Lärandemål
- Att förstå konceptet och betydelsen av databevis för AI-team
- Inverkan av partiskhet i datauppsättningar
- Metoder för att spåra datalinjen
Förväntad förberedelse
Lärande händelser som ska slutföras innan
Obligatoriskt för studenter
- Kunskap om GDPR och databaskoncept
Valfritt för studenter
- EJ TILLÄMPLIGT
Referenser och bakgrund för studenter
- Hög kunskap om GDPR och databaskoncept
Rekommenderas för lärare
- Ge bakgrund till GDPR
- Ge exempel på viktiga GDPR-ärenden
Lektionsmaterial
Instruktioner för lärare
Försök att hålla dig till tidsbordet. Om möjligt ge mer tid till fråge- och svarssessionen om det behövs.
Sammanfattning av föreläsningen
| Längd (min) | Beskrivning | Begrepp | Verksamhet | Material |
|---|---|---|---|---|
| 0–5 min | Kort beskrivning av de uppgifter som ska utföras | |||
| 5–30 min | Uppgift #1 – Bevisen | Härkomst | Guidad diskussion | — |
| 30–55 min | Uppgift #2 – Efterlevnad | Överensstämmelse | Guidad diskussion | — |
| 55–80 min | Uppgift #3 – I praktiken | I praktiken | Guidad diskussion | — |
| 80–90 min | Sammanfattning av det praktiska | Frågor och svar | — |
Erkännanden
Varje författare av de källor som citeras i bilderna
Masterprogrammet Human-Centered AI har samfinansierats av Fonden för ett sammanlänkat Europa i Europeiska unionen inom ramen för Grant CEF-TC-2020–1 Digital Skills 2020 EU-IA-0068.