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.
Temario del curso
Introducción a la IA que preserva la privacidad
- Principios fundamentales de la privacidad de datos en aplicaciones móviles.
- Impulsores regulatorios para la IA local en el dispositivo.
- Beneficios y limitaciones del procesamiento local.
Comprensión de Nano Banana para la privacidad local
- Arquitectura del modelo Nano Banana.
- Propiedades de seguridad y rutas de ejecución local.
- Plataformas soportadas 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 funcionalidades de IA que preservan la privacidad
- Creación de funcionalidades basadas en IA sin transmitir datos del usuario.
- Diseño de flujos de trabajo listos para el sector salud, financiero o regulado.
- Garantía del aislamiento de datos entre los componentes de la aplicación.
Consideraciones de seguridad para modelos locales
- Protección de los modelos contra extracción o manipulación.
- Aislamiento seguro (sandboxing) y gestión de permisos.
- Modelado de amenazas para sistemas de IA móvil.
Cumplimiento normativo y alineación regulatoria
- Comprensión de las implicaciones del RGPD, HIPAA y de los sectores financieros.
- Documentación de enfoques de privacidad por diseño.
- Mantenimiento de la capacidad de auditoría sin comprometer los datos del usuario.
Pruebas y validación de las garantías de privacidad
- Prueba de flujos de trabajo para detectar fugas de datos no intencionadas.
- Evaluación del equilibrio 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 locales.
- Monitoreo del rendimiento y el cumplimiento a lo largo del tiempo.
- Preparación de las aplicaciones para las normativas emergentes.
Resumen y próximos pasos
Requerimientos
- Comprensión del desarrollo móvil o de aplicaciones.
- Experiencia con Python, Kotlin o Swift.
- Conocimiento básico de conceptos de IA o aprendizaje automático.
Público objetivo
- Equipos empresariales.
- Oficiales de cumplimiento normativo.
- Desarrolladores que crean aplicaciones sensibles.
14 Horas
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
