Gracias por enviar su consulta! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Gracias por enviar su reserva! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Duración 14 horas
Temario del curso
Introducción a la IA que preserva la privacidad
- Principios fundamentales de la privacidad de datos en aplicaciones móviles
- Factores regulatorios que impulsan la IA en el dispositivo
- Beneficios y limitaciones del procesamiento local
Comprensión de Nano Banana para la privacidad en el dispositivo
- Arquitectura del modelo Nano Banana
- Propiedades de seguridad y rutas de ejecución local
- Plataformas admitidas y patrones de integración móvil
Técnicas de manejo de datos y procesamiento local
- Recopilación y almacenamiento seguro de datos sensibles en el dispositivo
- Minimización de la exposición de datos mediante inferencia local
- Estrategias de anonimización y seudonimización
Implementación de funciones de IA que preservan la privacidad
- Creación de funciones impulsadas por IA sin transmitir datos del usuario
- Diseño de flujos de trabajo listos para la salud, las finanzas o el cumplimiento normativo
- Asegurar el aislamiento de datos entre los componentes de la aplicación
Consideraciones de seguridad para modelos en el dispositivo
- Protección de los modelos contra la extracción o alteración
- Contencioso seguro y gestión de permisos
- Modelado de amenazas para sistemas de IA móvil
Cumplimiento y alineación regulatoria
- Comprensión de las implicaciones del RGPD, HIPAA y del sector financiero
- Documentación de los enfoques de privacidad por diseño (privacy-by-design)
- Mantener la auditabilidad sin comprometer los datos del usuario
Pruebas y validación de garantías de privacidad
- Prueba de flujos de trabajo para detectar fugas de datos no intencionadas
- Evaluación de los compromisos entre precisión y privacidad
- Validación continua a lo largo de las actualizaciones de la aplicación
Despliegue y mantenimiento de aplicaciones de IA centradas en la privacidad
- Gestión de actualizaciones de modelos en el dispositivo
- Monitoreo del rendimiento y el cumplimiento con el tiempo
- Adaptación de las aplicaciones a las regulaciones evolutivas
Resumen y siguientes pasos
Requerimientos
- Comprensión del desarrollo móvil o de aplicaciones
- Experiencia con Python, Kotlin o Swift
- Conocimientos básicos de conceptos de IA o aprendizaje automático
Público Objetivo
- Equipos empresariales
- Responsables de cumplimiento
- Desarrolladores que crean aplicaciones sensibles
Reseñas (1)
Flujo, vibra y tema en la presentación
Lukasz Kowalczyk - Allegro Sp. z o.o.
Curso - Google Gemini AI for Data Analysis
Traducción Automática
