Lewati ke konten
Katalog kelas

Skill

perform risk analysis

perform risk analysis dilatih di 2 kelas terbit di Exelern. Setiap kelas ditutup dengan karya yang dinilai reviewer bernama memakai rubrik yang bisa dibaca sebelum mendaftar; kriterianya ada di bawah.

Definisi di taksonomi ESCO

Kelas yang melatih skill ini (2)

Saring katalog

Bagaimana skill ini dinilai

Karya akhir kelas-kelas di atas dan kriteria rubrik yang dipakai reviewer, apa adanya dari halaman kelas.

Tata Kelola AI dan Kepatuhan Pelindungan Data Pribadi
  1. Paket tata kelola AI dan penilaian risiko satu sistem AI berisiko tinggi

    Pilih satu organisasi (tempat kerja atau studi kasus yang disediakan) dan satu sistem AI berisiko tinggi di dalamnya, misalnya penyaringan CV pelamar atau penilaian kredit. Susun paket tata kelolanya. Kelas ini bukan nasihat hukum; pemetaan regulasi Anda dinilai dari ketelitian dan penalarannya. Tahapan pengerjaan • Kerangka: Profil organisasi, inventaris sistem AI, dan pemilihan sistem berisiko tinggi beserta alasannya. • Draf: Penilaian risiko dan dampak serta pemetaan kewajiban UU PDP. • Revisi: Rencana kontrol dan kebijakan penggunaan AI; umpan balik reviewer ditindaklanjuti. • Final: Paket lengkap dan ringkasan satu halaman untuk direksi.

    Yang diserahkan: Paket dokumen maksimal 12 halaman (kebijakan, inventaris, penilaian risiko, pemetaan UU PDP, rencana kontrol) dan ringkasan direksi satu halaman.

    Kriteria penilaian

    Lulus mulai 70%
    • Ketepatan penilaian risikobobot 30% · skor 0–4

      Risiko spesifik untuk sistem tersebut, diprioritaskan, dan dampaknya ke orang dinilai.

    • Ketelitian pemetaan UU PDPbobot 25% · skor 0–4

      Kewajiban dipetakan dengan benar ke siklus hidup sistem AI dan rujukan pasalnya tepat.

    • Kontrol yang proporsionalbobot 25% · skor 0–4

      Kontrol menjawab risiko yang ditemukan, tidak berlebihan, dan bisa dijalankan.

    • Kebijakan yang bisa dipatuhibobot 20% · skor 0–4

      Kebijakan jelas bagi karyawan biasa dan menyebut yang boleh dan tidak boleh secara konkret.

Rekayasa Agen AI: Riset Prospek dari Tool Calling sampai Persetujuan Manusia
  1. Agen riset prospek multi-langkah dengan persetujuan manusia dan laporan evaluasi

    Bangun agen yang menerima daftar nama perusahaan sasaran, meriset masing-masing dari sumber publik, memperkaya datanya, memberi skor kecocokan berdasarkan profil pelanggan ideal yang Anda tetapkan, mencatat hasilnya ke CRM (boleh CRM tiruan atau spreadsheet lewat API), dan menyiapkan draf pesan tindak lanjut yang baru terkirim setelah disetujui manusia. Anda wajib menjelaskan setiap keputusan rancangan dan alternatif yang Anda tolak. Tahapan pengerjaan • Kerangka: Profil pelanggan ideal, daftar alat beserta skemanya, diagram alur agen, titik persetujuan manusia, dan dokumen keputusan: kenapa agen (bukan alur kerja biasa), batas langkah, dan risiko yang Anda antisipasi. • Draf: Agen berjalan untuk 10 perusahaan dengan log langkah yang bisa dibaca. Set tugas evaluasi minimal 20 kasus, termasuk halaman web yang sengaja berisi instruksi jahat. • Revisi: Perbaikan berdasarkan kegagalan yang ditemukan di evaluasi dan umpan balik reviewer. Laporkan tingkat keberhasilan dan biaya per tugas sebelum dan sesudah. • Final: Repositori, video demo maksimal 7 menit yang menunjukkan satu persetujuan dan satu penolakan oleh manusia, serta laporan akhir yang memuat trade-off yang Anda pilih.

    Yang diserahkan: Tautan repositori Git, dokumen keputusan arsitektur maksimal 3 halaman, laporan evaluasi berisi tingkat keberhasilan, biaya per tugas, dan katalog kegagalan, serta tautan video demo maksimal 7 menit.

    Kriteria penilaian

    Lulus mulai 75%
    • Ketepatan keputusan arsitekturbobot 25% · skor 0–4

      Pilihan agen vs alur kerja, batas langkah, memori, dan pembagian alat dibenarkan dengan alasan yang sesuai masalah, dan alternatif yang ditolak disebutkan.

    • Kendali dan persetujuan manusiabobot 20% · skor 0–4

      Tidak ada aksi keluar (kirim pesan, ubah CRM) tanpa persetujuan di titik berisiko; persetujuan mudah dilakukan dan tercatat.

    • Keamanan terhadap masukan yang tidak dipercayabobot 20% · skor 0–4

      Agen tahan terhadap instruksi jahat dalam data yang dibacanya; izin alat dibatasi seperlunya.

    • Evaluasi dan perbaikan terukurbobot 20% · skor 0–4

      Set tugas representatif, angka keberhasilan dan biaya dilaporkan jujur, dan perbaikan antar-tahap terlihat.

    • Keterauditan dan kerapianbobot 15% · skor 0–4

      Setiap langkah agen bisa ditelusuri dari log, kode bisa dijalankan orang lain, rahasia tidak ada di repositori.