Schița de curs

Introducere în Învățarea Federată

  • Prezentare generală a antrenării tradiționale a IA vs. învățarea federată
  • Principii cheie și avantaje ale învățării federate
  • Cazuri de utilizare a învățării federate în aplicații de AI la margine

Arhitectura și Fluxul de Lucru al Învățării Federate

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

Implementarea Învățării Federate cu TensorFlow Federated

  • Configurarea TensorFlow Federated pentru antrenarea distribuită a IA
  • Construirea modelelor de învățare federată folosind Python
  • Simularea învățării federate pe dispozitive de margine

Învățarea Federată cu PyTorch și OpenFL

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

Optimizarea Performanței pentru AI la Margine

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

Confidențialitatea și Securitatea Datelor în Învățarea Federată

  • Tehnici de protecție a confidențialității (Agregare Securizată, Confidențialitate Diferențială, Criptare Omomorfă)
  • Mitigarea riscurilor de scurgere a datelor în modelele federate de IA
  • Conformitatea reglementară și considerente etice

Implementarea Sistemelor de Învățare Federată

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

Tendințe Viitoare și Studii de Caz

  • Cercetări emergente în învățarea federată și AI la margine
  • Studii de caz din domeniile sănătății, financiar și IoT
  • Pașii următori pentru avansarea soluțiilor de învățare federată

Rezumat și Pașii Următori

Cerințe

  • Înțelegere avansată a conceptelor de învățare automată și învățare profundă
  • Experiență în programarea Python și cadre de lucru pentru IA (PyTorch, TensorFlow sau similar)
  • Cunoștințe de bază despre calcul distribuit și rețele
  • Familiaritate cu conceptele de confidențialitate și securitate a datelor în IA

Publicul țintă

  • Cercetători în domeniul IA
  • Oameni de știință de date
  • Specialiști în securitate
 21 Ore

Numărul de participanți


Pret per participant

Cursuri viitoare

Categorii înrudite