کتابخانهٔ اسکیل‌ها

اسکیل‌های هوش مصنوعی

راهنمای کامل نصب، استفاده و کاربرد اسکیل‌ها — قابل جست‌وجو و فیلتر، همراه با منابع.

ایمن‌سازیِ سامانه‌های هوش مصنوعی در برابر تهدیدهای نوظهور: تزریق پرامپت، نشتِ داده، حملهٔ خصمانه و سوءاستفاده از عامل‌ها

Rebuff مطالعه

ممیزیِ سوگیری و انصاف در مدل‌های هوش مصنوعی: سنجش تبعیض، تحلیلِ داده و مدل، و اصلاح برای تصمیم‌های عادلانه و قابلِ دفاع.

Fairlearn مطالعه

حفاظت از حریم خصوصیِ داده در پروژه‌های هوش مصنوعی: کمینه‌سازی، ناشناس‌سازی، اجرای روی زیرساخت داخلی و انطباق با مقررات.

Opacus مطالعه

هوش مصنوعیِ توضیح‌پذیر (XAI): شفاف‌سازیِ تصمیم‌های مدل با روش‌هایی مانند SHAP و LIME برای اعتماد، حسابرسی و انطباق.

SHAP مطالعه

انطباقِ هوش مصنوعی با مقررات و استانداردها: ارزیابیِ ریسک، مستندسازی، حاکمیت و آمادگی برای قانونِ هوش مصنوعی اتحادیهٔ ار

NeMo Guardrails مطالعه

کنترل خروجی مدل: جلوگیری از نشت داده، محتوای نامناسب و توهم؛ با سیاست‌ها و پالایش ورودی/خروجی.

Guardrails مطالعه