Mulțumim pentru trimiterea solicitării! Un membru al echipei noastre vă va contacta în curând.
Mulțumim pentru trimiterea rezervării! Un membru al echipei noastre vă va contacta în curând.
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