Generatieve AI is onvermijdelijk de software-industrie aan het transformeren. Tools zoals ChatGPT of Github Copilot stellen ontwikkelaars in staat om efficiënter te coderen dan ooit tevoren. Hoewel dit enthousiasme opwekt, roept het ook bezorgdheid op, en daarom zijn veel belanghebbenden geneigd om dit optimisme af te wegen tegen voorzichtigheid. Hoewel deze tools zich snel ontwikkelen, zijn ze tot op heden nog niet voldoende verfijnd om rekening te houden met verschillende subtiele maar belangrijke aspecten van softwareproducten. Deze training benadrukt hoe belangrijk het is om deze evolutie te begrijpen aan de hand van de gevestigde principes van verantwoorde AI.

Na een kort overzicht van AI en specifiek verantwoorde AI, duiken de deelnemers in de complexe wereld van machine learning (ML), waarbij de nadruk ligt op hoe deze oplossingen gecompromitteerd kunnen worden. Bedreigingen en kwetsbaarheden zoals modelomzeiling, poisoning en inversieaanvallen worden op een eenvoudige manier uitgelegd aan de hand van praktijkcases en live demonstraties. Tot slot geven we een overzicht van de beveiligingsuitdagingen van grote taalmodellen (LLM's), waarbij we ook de praktische verdedigingen onderzoeken.

De cursus belicht vervolgens de mogelijkheden en beperkingen van generatieve AI (GenAI) tools - zoals Github Copilot, Codeium of andere - en biedt inzicht in hun rol bij het genereren van code en daarbuiten. De onderwerpen omvatten slimme prompt engineering, niet alleen tijdens de implementatiefase maar ook tijdens het vastleggen van vereisten, ontwerp, testen en onderhoud. Deelnemers leren best practices en valkuilen van het gebruik van AI-gegenereerde code, met hands-on labs die potentiële beveiligingsfouten demonstreren, zoals hallucinatie van afhankelijkheden en path traversal. Aan het eind hebben software-engineers en managers een duidelijk beeld van hoe ze GenAI-tools op verantwoorde wijze kunnen integreren in de verschillende fasen van de levenscyclus van software-ontwikkeling.

Doelstelling

  • Verschillende aspecten van verantwoorde AI begrijpen
  • Essentiële beveiliging van machine learning
  • Hoe generatieve AI verantwoord te gebruiken in softwareontwikkeling
  • Snelle engineering voor optimale resultaten
  • Hoe generatieve AI toepassen in de SDLC

Doelgroep

Alle mensen die betrokken zijn bij het gebruik van GenAI of de ontwikkeling van machine learning (ontwikkelaars, testers, managers).

Locatie
Startdatum
Volgende editie info
Duur 1 dag (afstandsbediening)
Frequentie Twee keer per jaar
Betrokken
Betrokken
Balazs Kus
Prijs per deelnemer € 800 excl. btw
Brochure downloaden

Programma

Een korte geschiedenis van kunstmatige intelligentie

  • De oorsprong van AI
  • Neurale netwerken en "waarschijnlijkheidsmotoren
  • Robuustheid van ML-systemen
  • Vroege ML-coderingstools
  • De AI-coderingsrevolutie van de jaren 2020


Verantwoorde AI

  • Wat is verantwoorde AI?
  • Verantwoording en transparantie
  • Beperking van schadelijke vooroordelen
  • Geldigheid en betrouwbaarheid
  • Lab - Experimenteren met reproduceerbaarheid in Copilot
  • Verklaarbaarheid en interpreteerbaarheid
  • Veiligheid, beveiliging, privacy en veerkracht
  • Beveiliging en verantwoorde AI in softwareontwikkeling


Een overzicht van AI- en ML-beveiliging

  • Een snel overzicht van ML voor niet-specialisten
  • GIGO en andere bekende ML-valkuilen
  • Kwaadaardig gebruik van AI
  • Echte aanvallen op AI
  • AI ondermijnen om anderen aan te vallen
  • AI- en ML-beveiligingsstandaarden
  • Een snelle blik op ML-hacking: ontwijking
  • Een snelle blik op ML-hacking: vergiftiging
  • Een snelle blik op ML-hacking: modelinversie
  • Een snelle blik op ML-hacking: model stelen
  • De veiligheid van grote taalmodellen


Verantwoord gebruik van GenAI bij softwareontwikkeling

  • LLM basisprincipes voor codegeneratie
  • Basisbouwstenen en concepten
  • GenAI-tools in codering: Copilot, Codeium en anderen
  • Kan AI... voor de 'saaie delen' zorgen?
  • Kan AI... grondiger zijn?
  • Kan AI je leren coderen?
  • Lab - Experimenteren met een onbekende API in Copilot
  • GenAI als productiviteitsboost
  • De donkere kant van GenAI
  • Prompt engineering-technieken voor codegeneratie
  • Generatieve AI integreren in de SDLC
  • Beveiliging van AI-gegenereerde code


Samenvatting en belangrijke punten

  • Verantwoorde AI-principes in softwareontwikkeling
  • Hulpmiddelen en extra begeleiding

Methoden

Live online klassikale training onder leiding van een instructeur. Discussies. Praktijkoefeningen aan de hand van casestudies en live laboefeningen.

Certificering

Deelnemers ontvangen een cursuscertificaat van het High Tech Institute voor het bijwonen van deze training.