- Level Professional
- Course by LearnQuest
-
Offered by
About
본 강의에서는 머신 러닝 분야에서의 보안 및 프라이버시와 관련된 기본 개념을 살펴봅니다. 그 기저에 깔린 윤리를 깊이 있게 탐구하면서, 유효한 예측 모델을 구축하는 과정에서 사용자의 프라이버시를 보호하는 방법을 알아보겠습니다. 또한 두 가지 심층 질문을 통해, 기업이 알고리즘을 구현하는 방법과 그에 따라 현재와 미래에 사용자 프라이버시 및 투명성에 영향을 미치는 방법도 모색할 것입니다.Modules
강의 소개
1
Discussions
- 환영 인사
1
Videos
- 강의 개요
익명 데이터 세트
1
Assignment
- 학습 이해도 점검
1
Videos
- 여러분의 데이터는 얼마나 안전합니까?
1
Readings
- Netflix Prize: 익명 데이터 세트 알아보기
프라이버시와 적대적 모델
2
Assignment
- 학습 이해도 점검
- 주간 퀴즈
1
Discussions
- 프라이버시 침해
3
Videos
- 알고리즘 및 프라이버시
- 프라이버시에 대한 적대적 공격
- 주간 복습
1
Readings
- Clearview AI
데이터 세트 보호
1
Assignment
- 학습 이해도 점검
1
Videos
- 여러분의 모델은 얼마나 안전합니까?
1
Readings
- 데이터 세트 보안
디퍼렌셜 프라이버시
2
Assignment
- 학습 이해도 점검
- 주간 퀴즈
1
Discussions
- 프라이버시와 기업의 이익
3
Videos
- 노이즈 및 신호: 프라이버시 보호
- 디퍼렌셜 프라이버시의 구현
- 주간 복습
1
Readings
- Apple의 디퍼렌셜 프라이버시
균형 전략: 프라이버시, 설명 가능성, 공정성
1
Assignment
- 학습 이해도 점검
2
Videos
- 프라이버시 기술 적용 사례
- 화이트박스 모델과 블랙박스 모델
윤리적 모델 구현
2
Assignment
- 학습 이해도 점검
- 주간 퀴즈
1
Discussions
- 심층 질문
3
Videos
- 시장 및 게임 이론: 사용자 중심
- 알고리즘의 복잡성 파헤치기
- 주간 복습
1
Readings
- 설명 가능성을 기반으로 한 신뢰
Auto Summary
Explore the essentials of security and privacy in machine learning with "AI 프라이버시 및 편의성" on Coursera. Delve into ethical considerations and learn methods to protect user privacy while building effective predictive models. This professional-level course, available through Starter and Professional subscriptions, is ideal for those in the Data Science & AI domain aiming to understand the impact of algorithms on user privacy and transparency.

Brent Summers