Cảm ơn bạn đã gửi yêu cầu! Một thành viên trong đội ngũ của chúng tôi sẽ liên hệ với bạn ngay lập tức.
Cảm ơn bạn đã gửi đặt chỗ! Một thành viên trong đội ngũ của chúng tôi sẽ liên hệ với bạn ngay lập tức.
Đề cương khóa học
Ngày 1: Xây dựng nền tảng — Tiếp nhận, Tìm kiếm, Truy xuất
Mô-đun 1: Bối cảnh của Kỹ sư Pháp lý
- Mục tiêu học tập — hiểu về vai trò, cách AI phù hợp trong công việc pháp lý và hai rủi ro cốt lõi贯穿于 mọi khía cạnh.
- Chủ đề
-
- Vai trò của kỹ sư pháp lý và lý do tại vị trí này đang được tuyển dụng mạnh mẽ hiện nay
- Nơi AI phù hợp: eDiscovery, rà soát hồ sơ, hợp đồng, nghiên cứu, điều tra; mô hình EDRM được giải thích bằng ngôn ngữ đơn giản
- Xây dựng so với Mua sắm
- Hai rủi ro cốt lõi贯穿于 mọi khía cạnh: bảo mật/bí professional và tính có thể biện minh được
Mô-đun 2: Dữ liệu pháp lý rất phức tạp — Tiếp nhận và Trích xuất
- Mục tiêu học tập — xử lý thực tế của dữ liệu pháp lý ở quy mô lớn.
- Chủ đề
- Hơn 1.400+ loại tệp, email và PST, giấy quét, tệp tải (.dat/.opt); metadata nhúng có giá trị
- Trích xuất văn bản (Tika), OCR và khử trùng lặp như một sự lựa chọn
- Bài tập: Tiếp nhận FreeEed — xây dựng quy trình tiếp nhận trên một bộ tài liệu được thiết kế phức tạp (email/PST, quét, tệp tải)
Mô-đun 3: Tìm kiếm và Truy xuất — nền tảng cốt lõi
- Mục tiêu học tập — xây dựng chức năng eDiscovery cốt lõi: tìm mọi thứ bên trong tất cả.
- Chủ đề — tìm kiếm full-text và lập chỉ mục (Solr/Lucene); độ liên quan, lọc theo metadata và ngày; tìm kiếm trên nội dung đã qua OCR
- Bài tập: Tìm kiếm eDiscovery — lập chỉ mục một tập hợp tài liệu và thực hiện các cuộc tìm kiếm kiểu eDiscovery thực tế, bao gồm cả trong các bản quét đã qua OCR
Mô-đun 4: RAG cho Tài liệu Pháp lý — với Dẫn nguồn
- Mục tiêu học tập — xây dựng RAG trên tài liệu pháp lý có dẫn nguồn.
- Chủ đề
- Tại sao truy xuất, không phải tinh chỉnh mô hình, đối với tài liệu nhạy cảm — mô hình không bao giờ "nuốt" toàn bộ tài liệu
- Chunking (phân đoạn), embeddings và quan trọng nhất là dẫn nguồn / xuất xứ
- Tóm tắt đa tài liệu và chuỗi email
- Bài tập: RAG Pháp lý với Dẫn nguồn — xây dựng hệ thống hỏi-đáp RAG trên một bộ tài liệu, trả lời kèm theo dẫn nguồn từ tài liệu
Ngày 2: Làm cho hệ thống trở nên Riêng tư, Có thể Biện minh được và Sẵn sàng Triển khai
Mô-đun 5: Quyền riêng tư, Bí professional và Phục vụ Cục bộ — Cái Bẫy Về Tính Chất
- Mục tiêu học tập — giữ dữ liệu pháp lý trong nội bộ và có khả năng chứng nhận.
- Chủ đề
- Dữ liệu thực sự đi đâu khi chạm vào AI đám mây
- Vai phá vỡ bí professional, nghĩa vụ năng lực chuyên môn và phổ "riêng tư" (hợp đồng so với vật lý)
- vụ Morgan v. V2X và lý do tại sao việc sử dụng cục bộ là có thể biện minh được trước tòa
- Phục vụ mô hình cục bộ (Ollama / vLLM) và giám sát lưu lượng đi
- Bài tập: Mô hình Cục bộ + Chứng minh Egress — chạy mô hình cục bộ từ đầu đến cuối và chứng minh, thông qua giám sát, rằng không có dữ liệu nào thoát ra ngoài
Mô-đun 6: Rà soát AI Có thể Biện minh được
- Mục tiêu học tập — đo lường và ghi lại một quá trình rà soát AI để đảm bảo tính hợp lệ.
- Chủ đề
- Các chỉ số chứng minh trước tòa: recall (nhượng quyền), elusion, precision (độ chính xác), xác thực ground-truth; TAR / học chủ động
- Tính minh bạch (tại sao hệ thống gắn thẻ tài liệu này?) và tái lập — cố định mô hình, giữ nguyên cài đặt, ghi lại mọi thứ
- "Bức tranh快照 có thể biện minh được" cho phép ai đó chạy lại quá trình rà soát của bạn một năm sau và nhận được kết quả giống hệt
- Bài tập: Rà soát Có thể Biện minh được — đo lường một cuộc rà soát AI so với ground-truth mù và tạo ra gói tái lập
Mô-đun 7: Triển khai — Quy trình, Triển khai Riêng tư và Quản trị
- Mục tiêu học tập — ghép các mảnh thành một quy trình, triển khai riêng tư và chấm điểm hệ thống.
- Chủ đề
- Một quy trình pháp lý đa bước (tiếp nhận → tìm kiếm → tóm tắt → rà soát → xuất bản) với yếu tố con người tham gia
- Những yếu tố thiết yếu của triển khai riêng tư/tại chỗ (containerize; giữ dữ liệu trong nội bộ)
- Quản trị AI cho pháp lý nói gọn, và chấm điểm hệ thống với SAIS-100 (Điểm Số AI An Toàn Elephant Scale)
- Bài tập: Chấm điểm và Đóng gói — kết nối một quy trình đa bước, chấm điểm bằng SAIS-100 và đóng gói để triển khai riêng tư
Dự án tổng hợp (tích hợp贯穿 Ngày 2)
- Xây dựng một ứng dụng AI pháp lý riêng tư, có thể biện minh được từ đầu đến cuối — tiếp nhận một tập hợp tài liệu phức tạp, tìm kiếm nó, trả lời các câu hỏi trên đó với dẫn nguồn bằng mô hình cục bộ, đo lường một cuộc rà soát có thể biện minh được, và đóng gói để triển khai riêng tư.
- Học viên rời đi với một dự án danh mục đầu tư chính là công việc của kỹ sư pháp lý.
Ngày 3 Tùy chọn / Mô-đun Nâng cao (có thể cung cấp dưới dạng ngày thứ 3 hoặc chuỗi mô-đun)
- Điều tra: Thực thể, Mối quan hệ và Dòng thời gian — trích xuất người / tổ chức / ngày tháng, tái tạo chuỗi email, xây dựng dòng thời gian, ánh xạ các bản sao gần như giống hệt và nguồn gốc tài liệu. Bài tập: xây dựng một dòng thời gian và xem thực thể/mối quan hệ.
- Quy trình làm việc Tự động hóa (Agentic) và Đa bước chuyên sâu — điều phối phong phú hơn, phân tích hợp đồng, tổng hợp đa tài liệu, sử dụng công cụ và hàng rào bảo vệ như một nguyên tắc thiết kế. Bài tập: xây dựng một quy trình đa bước với điểm kiểm soát của con người.
- Triển khai ở Quy mô Lớn — triển khai cục bộ và thiết bị chuyên dụng, xử lý phân tán cho khối lượng lớn, môi trường có quy định (CJIS, chính phủ, giáo dục đại học), kích thước phần cứng. Bài tập: containerize và mở rộng một công việc xử lý trên nhiều worker.
- Quản trị và Tuân thủ Chuyên sâu — bối cảnh quy định AI (hơn 100 luật AI của các bang Mỹ, Đạo luật AI EU), yêu cầu kiểm toán và một cuộc kiểm toán quản trị SAIS-100 toàn diện. Bài tập: kiểm toán một hệ thống AI pháp lý dựa trên danh sách kiểm tra quản trị/tính có thể biện minh được.
Yêu cầu
- Thành thạo Python và các API cơ bản
- Tiện lợi: quen thuộc với LLM ở mức độ người dùng (không yêu cầu nền tảng ML — chúng tôi xây dựng mô hình tư duy)
- Không yêu cầu kiến thức pháp lý trước đó — các khái niệm pháp lý cần thiết sẽ được dạy trong ngữ cảnh
Đối tượng tham gia
- Kỹ sư phần mềm / AI chuyển sang lĩnh vực công nghệ pháp lý
- Kỹ sư của các công ty công nghệ pháp lý cần chuyên sâu về lĩnh vực
- Các chuyên gia pháp lý / eDiscovery / quản trị thông tin có tư duy kỹ thuật muốn tự xây dựng thay vì chỉ mua sắm
- Bất kỳ ai nhắm đến vai trò "kỹ sư pháp lý" / "kỹ sư AI pháp lý"
14 Giờ
Đánh giá (1)
Tôi đã học được kiến thức về thư viện Streamlit trong Python và chắc chắn tôi sẽ thử sử dụng nó để cải thiện các ứng dụng của đội tôi, những ứng dụng này được tạo bằng R Shiny.
Michal Maj - XL Catlin Services SE (AXA XL)
Khóa học - GitHub Copilot for Developers
Dịch thuật bằng máy
