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.
Course Outline
Εισαγωγή στο Federated Learning
- Περιγραφή της παραδοσιακής εκπαιδεύσης AI αντίθετα με το federated learning
- Κλειδώματα και πλεονεκτήματα του federated learning
- Περιπτώσεις χρήσης του federated learning σε εφαρμογές Edge AI
Δομή και διαδικασία Federated Learning
- Συνεισφορά στους μοντέλους client-server και peer-to-peer federated learning
- Διαμέριση δεδομένων και αποκεντρωμένη εκπαίδευση μοντέλου
- Πρωτόκολλα επικοινωνίας και στρατηγικές αθροισμάτων
Εφαρμογή Federated Learning με TensorFlow Federated
- Ορισμός TensorFlow Federated για κατανεμημένη εκπαίδευση AI
- Δημιουργία μοντέλων federated learning χρησιμοποιώντας Python
- Απόκριση federated learning σε περιφερειακά διαθέτουσα
Federated Learning με PyTorch και OpenFL
- Εισαγωγή στο OpenFL για federated learning
- Εφαρμογή PyTorch-based federated μοντέλων
- Δημιουργία προσαρμοστεδές στρατηγικές αθροισμάτων federated
Βελτίωση της Περιβάλλοντος Εξυπηρέτησης Edge AI
- Αcceleration σκληρών υπολογιστών για federated learning
- Μείωση του περιθώριου επικοινωνίας και λάτενσι
- Προσαρμοστικές στρατηγικές μάθησης για περιορισμένους κύκλους διαθέσιμων επιχειρήσεων
Προστασία Δεδομένων και Ασφάλεια στο Federated Learning
- Τεχνικές προστασίας της ιδιωτικότητας (Secure Aggregation, Differential Privacy, Homomorphic Encryption)
- Αποφυγή κινδύνου διαδρομών λεηλασίας δεδομένων στα μοντέλα federated AI
- Κανονιστική ευθύνη και αξιολόγηση ηθικών πτυχών
Εγκατάσταση Federated Learning Systems
- Διαμορφωτική federated learning σε πραγματικά edge devices
- Επόμενος διαχείριση και ενημέρωση των federated μοντέλων
- Μεγάλη αξία federated learning deployments σε βιομηχανικά περιβάλλοντα
Προσωπικές και περιπτώσεις περίπτωσης με εφαρμογή
- Εξελισσόμενη έρευνα στο federated learning και Edge AI
- Πρακτικές περιπτώσεις με εφαρμογή στην υγεία, τουρισμό, και IoT
- Επόμενοι βήμοι για προώθηση federated learning λύσεων
Περίληψη και επόμενοι βήμοι
Requirements
- Ισχυρός χαρακτήρισμας των κονцепτών της μηχανικής μάθησης και βαθιάς μάθησης
- Εμπειρία στο πρόγραμμα Python και πλαίσια AI (PyTorch, TensorFlow ή ομοία)
- Βασική γνώση των διανεμημένων υπολογιστικών εργαλείων και δικτύων
- Γνώση των αρχών προστασίας δεδομένων και ασφάλειας στην AI
Πολιτεύουσα
- Έρευνες της AI
- Δεδομένων επιστήμονες
- Ειδικοί ασφαλείας
21 Hours
