跳转到主要内容
热门内容
今日:
【MySQL】MySQL高可用性框架解释 - 第三部分:失败场景
【技术架构】技术路线图概述
【数据仓库技术】怎么选择现代数据仓库
【安全运营】大规模的威胁模型:如何从策略转向执行
【首席架构师看敏捷模型】物理数据模型(PDM):敏捷简介
【应用安全】编程语言如何会损害应用程序的安全性
【规模化敏捷】SAFe:系统团队
【应用安全】imperva API Security
【应用安全】JSON Web令牌库中的严重漏洞
【分布式计算平台】用于分区和复制的分布式资源的集群管理框架
总体:
【数据集成】用于数据集成的10个最佳开源ETL工具
【Java框架】2022 年 17 个流行的 Java 框架:优缺点等
【管理】热尔韦原理综述
【开源许可】从开源到免费和开源,MinIO现在在GNU AGPLv3许可
【数据目录】OpenMetadata与DataHub:比较架构、功能、集成等
【SAP】如何开始使用Sap AFS和Sap FMS。
【数据治理】开源数据治理-2023年需要考虑的7个最佳工具
【微服务架构】微服务已死——迷你服务万岁
【开源合规】使用MySQL许可:开源许可与商业许可
【SAP GUI】什么是SAP GUI(图形用户界面)以及如何使用它
最近浏览:
【财务基础】什么是SAP Central Finance?它是如何工作的?
【MLOps】生产用例的并行Stable Diffusion
【数据目录】OpenMetadata与DataHub:比较架构、功能、集成等
基于大型语言模型的Agent的兴起及其潜力综述
【数据编织】数据编织:它能证明你的架构的未来性、统一你的数据并节省成本吗?
【生成式AI】Azure OpenAI内容过滤
【LLM】自定义LLM输出:后处理技术
【企业架构】TOGAF的权威指南
【人工智能】使用人工智能进行需求分析:案例研究
【硬件和设备】读懂NVMe、NVMe-oF和RDMA
热门内容
今日:
数字化
数字化运营
智能化转型
中台转型
云计算
万物互联
大数据时代
区块链
软件架构
安全,风险和合规
总体:
语言和框架
【容器架构】Minikube vs.kind vs.k3s-我应该用哪一个?
【数据集成】用于数据集成的10个最佳开源ETL工具
【Java框架】2022 年 17 个流行的 Java 框架:优缺点等
【技术选型】Keras、TensorFlow和PyTorch的区别
【深度学习】45测试深度学习基础知识的数据科学家的问题(以及解决方案)
【数据架构】什么是实体关系图(ERD)?
【Rust架构】Rust web框架比较
【知识】DIKW(数据,信息,知识,智慧)金字塔
【数据治理】开源数据治理-2023年需要考虑的7个最佳工具
最近浏览:
KServe:一个健壮且可扩展的云原生模型服务器
【数据安全】如何使用 Vault 在 Spring Boot 中隔离数据库凭证
【Azure Batch】Batch的Azure安全基线
【财务基础】什么是SAP Central Finance?它是如何工作的?
【微服务架构】单片到微服务架构的模式和最佳实践
【数据安全】OpenID Connect 释疑
【数据目录】什么是数据目录?数据目录功能和优点
【数据可视化】Apache Superset:穷人的PowerBI ,但是很强大
【AI智能体框架】选择正确的AI智能体框架:LangGraph vs CrewAI vs OpenAI Swarm
【数据集成】用于数据集成的最佳免费开源ETL工具
x
Main navigation
主页
数字化
+
数字业务自动化
数字化方案
数字化转型战略
数字化转型治理
数字化运营
数字化客户
客户
数字化研发
研发
数字化制造
数字化生产
数字化供应链
数字化销售
数字化服务
数字化营销
营销
数字化财务
人力资源
数字化法务
企业架构
+
企业安全架构
企业架构框架
方案架构
企业业务架构
企业技术架构
企业应用架构
企业数据架构
数据应用架构
+
主数据架构
大数据架构
数据仓库架构
数据保护
数据库架构
数据建模
数据枢纽架构
数据湖架构
数据编制架构
数据网格架构
数据虚拟化架构
集成架构
+
架构质量
+
软件架构
+
大数据架构
+
Hadoop 生态
Saprk生态
大数据战略
数据和分析
+
机器学习
数据分析
数据可视化
数据工程
数据战略
数据挖掘
数据科学
商务智能
数据库架构
+
MySql架构
PostgreSql架构
云数据库
内存数据库
列式数据库
图形数据库
搜索引擎
文档数据库
数据治理
数据管理
+
数据仓库
数据湖
企业合规管理
企业治理
+
企业风险管理
隐私保护
智能转型
+
云计算
+
AWS 平台
SaaS云
Salesforce
云原生
云架构
云治理
云转型战略
容器云
微软云
私有云
人工智能
+
生成式人工智能
+
多模态模型
大视觉模型
大语言模型
大音频模型
万物互联
+
工业控制系统
工业物联网
物联网(IoT)安全
物联网(IoT)架构
物联网战略
边缘计算
元宇宙
区块链
+
安全
+
云安全
安全工具
安全战略
安全运营
应用安全
数据安全
终端安全
网络安全
隐私保护
基础设施
+
软件开发
+
开发管理
需求分析
低代码开发
软件测试
+
软件设计
DevOps
+
敏捷
项目
+
平台和工具
+
DevOps工具
云计算平台
企业事件枢纽
其他工具
分布式平台
大数据平台
应用中间件
开发工具
数据工具
集成平台
语言和框架
+
Go语言
Javascript开发
Java开发
Python开发
Rust语言
TypeScript开发
前端技术和框架
算法和数据结构
硬件和设备
+
产品
+
产品管理
产品设计
技术
+
技术趋势
技术选型
用户体验
+
IT管理
+
商业
+
商业模型
商业管理
商业结构
商业计划
商务沟通
创业
创业管理
国际商务
经济
战略
+
管理
+
解决方案
关注
社区
职业
职业和职位
+
咨询服务
微软专栏
人工智能治理
首页
⟶
人工智能
⟶
人工智能治理
语言
Chinese, Simplified
SEO Title
AI governance
本文地址
https://architect.pub
适合打印版本
登录
发表评论
11 次浏览
发布日期
星期日, 一月 14, 2024 - 17:40
最后修改
星期日, 一月 14, 2024 - 17:40
Tags
【AI治理】AI道德与治理
【人工智能】MS致力于推进安全、可靠和值得信赖的人工智能
【人工智能】普华永道负责任的人工智能
【人工智能合规】Github Copilot影响分析
【人工智能合规】NIST值得信赖和负责任的人工智能:受众
【人工智能治理】NIST 人工智能风险管理框架
【人工智能治理】NIST值得信赖和负责任的人工智能:人工智能RMF核心
【人工智能治理】NIST值得信赖和负责任的人工智能:人工智能RMF画象
【人工智能治理】NIST值得信赖和负责任的人工智能:人工智能RMF的有效性
【人工智能治理】NIST值得信赖和负责任的人工智能:人工智能风险和可信度
【人工智能治理】NIST值得信赖和负责任的人工智能:框架风险
【人工智能治理】我们如何最好地管理人工智能?
【人工智能治理】推进欧洲和国际人工智能治理
【版权】微软宣布为客户提供新的Copilot版权承诺
【负责的AI】PIAR工具和平台
【负责的AI】机器学习中的公平
【负责的AI】衡量公平性
人工智能治理
书籍遍历链接: 人工智能治理
←
【技术趋势】MAD 2023:十大趋势
⤊
向上
【AI治理】AI道德与治理
→
Article
Read more
↑