Schița de curs

Introducere la Federated Learning

  • Prezentare generală a formării AI tradiționale vs. învățarea federată
  • Principiile și avantajele cheie ale învățării federative
  • Cazuri de utilizare a învățării federative în aplicațiile Edge AI

Federated Learning Arhitectură și flux de lucru

  • Înțelegerea modelelor de învățare federată client-server și peer-to-peer
  • Partiționarea datelor și formarea descentralizată a modelelor
  • Protocoale Communication și strategii de agregare

Implementarea Federated Learning cu TensorFlow Federated

  • Configurarea TensorFlow Federated pentru formarea AI distribuită
  • Construirea de modele de învățare federată utilizând Python
  • Simularea învățării federate pe dispozitive periferice

Federated Learning cu PyTorch și OpenFL

  • Introducere în OpenFL pentru învățarea federată
  • Implementarea modelelor federate bazate pe PyTorch
  • Personalizarea tehnicilor de agregare federată

Optimizarea performanței pentru Edge AI

  • Accelerarea hardware pentru învățarea federată
  • Reducerea sarcinii de comunicare și a latenței
  • Strategii adaptive de învățare pentru dispozitive cu resurse limitate

Confidențialitatea și securitatea datelor în Federated Learning

  • Tehnici de păstrare a confidențialității (agregare sigură, confidențialitate diferențială, criptare homomorfă)
  • Atenuarea riscurilor de scurgere a datelor în modelele federate de inteligență artificială
  • Conformitatea cu reglementările și considerații etice

Implementarea sistemelor Federated Learning

  • Configurarea învățării federate pe dispozitive periferice reale
  • Monitorizarea și actualizarea modelelor federate
  • Scalarea implementărilor de învățare federată în medii de întreprindere

Tendințe viitoare și studii de caz

  • Cercetare emergentă în învățarea federată și Edge AI
  • Studii de caz din lumea reală în domeniul sănătății, finanțelor și IoT
  • Etapele următoare pentru avansarea soluțiilor de învățare federată

Rezumat și pași următori

Cerințe

  • Înțelegere solidă a conceptelor de învățare automată și de învățare profundă
  • Experiență în programare Python și în cadre de IA (PyTorch, TensorFlow sau similar)
  • Cunoștințe de bază de calcul distribuit și rețele
  • Familiaritate cu confidențialitatea datelor și conceptele de securitate în IA

Audiență

  • Cercetători AI
  • Oameni de știință în domeniul datelor
  • Specialiști în securitate
 21 ore

Numărul de participanți


Pret per participant

Upcoming Courses

Categorii înrudite