Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
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