Übersicht
Worum es bei diesem Projekt geht.
Führe Red-Teaming gegen einen Wiener Behörden-Chatbot durch und erstelle Test-Suite, Report und Memo. Erhalte ein verifizierbares Zertifikat.
Das Briefing
Was Du tust und was Du zeigst.
Führe ein strukturiertes Red-Teaming eines Verwaltungs-Chatbots in vier Vektoren durch und liefere einen priorisierten Handlungs-Plan.
Earning criteria — what you'll demonstrate
- Red-Teaming-Methodik strukturiert auf LLM-Anwendungen anwenden
- Halluzinations-, Bias- und Sicherheits-Tests entwerfen
- Befunde mit einer Priorisierungs-Logik (CVSS-artig) bewerten
- Handlungs-Plan für ein Engineering-Team formulieren
Studienpassung
Wo dies in Dein Studium passt.
Schärft dieselben Fähigkeiten, die Dein Studium von Dir erwartet.
Trustworthy AI, Robustness, and Safety
Master · Ai Ml
Fit score: 1
Fähigkeiten
Fähigkeiten, die Du unter Beweis stellst.
Jede taucht auf Deinem verifizierten Zertifikat auf.
Karrieren
Berufe, auf die dies Dich vorbereitet.
Echte Berufsbezeichnungen. Echte Skill-Brücken. Wähle die, die Deinem Werdegang am nächsten kommt.
Karrierewege, die das aufbaut
Kanonische RollenKI-Sicherheits-Forscher:in
Red-Teaming von LLM-Anwendungen mit strukturierter Priorisierung ist die Vorzeige-Arbeit für AI-Safety-Researcher in öffentlichen und regulierten Anwendungs-Settings.
Dieses Projekt schärft
- red-teaming
- llm-evaluation
- prompt-injection
Prompt-Ingenieur:in
Prompt-Injection und Out-of-Scope-Tests sind das tägliche Risiko-Feld, das Prompt-Engineer:innen in produktnahen LLM-Anwendungen managen.
Dieses Projekt schärft
- prompt-injection
- llm-evaluation
- red-teaming
Maschinelles-Lernen-Ingenieur:in
Eine reproduzierbare Test-Suite für eine produktive LLM-Anwendung zu liefern, ist MLE-Tagesarbeit in modernen GenAI-Stacks.
Dieses Projekt schärft
- python
- llm-evaluation
- bias-evaluation
Noch eine Sache