AWS AI Practitioner 29 Governance

거버넌스와 컴플라이언스의 중요성 

- AI 이니셔티브를 매니징 최적화 스케일링 

- 신뢰를 쌓기 위한 도구 

- 바이어스 개인정보법규 의도되지 않은 결과들을 Mitigate

- 클리어한 정책과 가이드라인 / 매커니즘에 대한 오버사이트 / 

- 잠재적인 법규 및 반복되는 리스크 해결

- 공공의 믿음과 컨피던스 촉진 

 

거버넌스 프레임워크 

- Establish AI 거번너스 보드 또는 커미티 

- define roles and responsibilities 

- 정책과 절차를 실행 

 

AWS Tools for Governance

- AWS Config 

- AWS Inspector 

- AWS AUdit Manager

- AWS Artifact

- AWS CloudTrail

- AWS Trusted Advisor 

 

거버넌스 전략

- 정책 ; 원칙과 가이드라인 

 -> 데이터 관리 모델트레이닝 출력검증 휴만오버사이트 세이프티

 -> 지적인 자산 / 편견 해소 / 개인정보보호

- 케이던스 리뷰 

 -> 클리어한 타임라인을 가져야 함 

 -> Include SEMs (Subject Matter Experts) + 팀 

- 리뷰 전략

 -> 기술적 리뷰 -> 모델 성능 데이터 퀄리티 알고리즘 강건성

 -> 비기술적인 리뷰 -> 정책 / 책임있는 AI 정책 / 규제

 -> 전개 전 테스팅 검증 절차 

 -> 클리어한 의사결정 프레임워크 보유 

- 투명도 스탠다드 

 -> 모델과 데이터 주요의사결정 정보 공개

 -> 한계와 능력에 대한 Doc

 -> 엔드유저와 스테이크홀더에 대한 채널 -> 피드백과 리뷰를 받기 위한 

- 팀 트레이닝 요구사항

 -> 유관 정책 트레이닝 / 가이드라인 / 최고의 프랙티스 사례

 -> 바이어스 해결과 책임있는 AI 프랙티스 트레이닝 

 -> 크로스 펑셔날 협업/ 지적 교류 자극

 -> 트레이닝과 인증에 대한 실행 

 

데이터 거버넌스 전략 

- 책임있는 AI 

 -> 책임있는 프레임워크와 가이드라인

 -> 잠재적 바이어스 / 공정성 이슈 / 의도되지 않은 겨로가에 대한 모니터링 

 -> 교육 

- 거버넌스 구조와 롤 

 -> 데이터 거버넌스 카운실 또는 커미티 구성 

 -> 역할 구성 / 데이터 스튜어드 데이터 오너 데이터 후견인 등 

 -> 트레이닝과 지원 제공 

- 데이터 세어링과 협업 

 -> 데이터 공유에 대한 동의 /  

 -> 데이터 시각화 및 연합 

 -> 상호 데이터 거버넌스 끼리 데이터 드리븐 의사결정 촉진 방법 및 협업 촉진

 

데이터 관리 컨셉

- 데이터 라이프사이클 ; 수집 / 프로세승 / 스토리지 / 소모 . 아키이브 

- 데이터 로깅 ; 인풋 아웃풋 로깅 / 퍼포먼스 수치 / 시스템 이벤트 

- 데이터 레지던시 ; 데이터가 생성되고 저장디는 곳에 대한 것 (규제 프라이버시 등) 

- 데이터 모니터링 ; 데이터 품질 어노말리 감지 데이터 이동 

- 데이터 분석 ; 통계적 분석 시각화 

- 데이터 리텐션 ; 규제적 요굿하ㅏㅇ / 역사적 데이터 비용 

 

데이터 Lineage 

- 소스 사이테이션 

- 데이터 오리진에 대한 문서화 (이동 및 모디파잉 등 )

- 카탈로깅