Course Outline

Εισαγωγή στο Federated Learning στο IoT και στο Edge Computing

  • Επισκόπηση του Federated Learning και των εφαρμογών του στο IoT
  • Βασικές προκλήσεις για την ενσωμάτωση του Federated Learning με τους υπολογιστές αιχμής
  • Οφέλη της αποκεντρωμένης τεχνητής νοημοσύνης σε περιβάλλοντα IoT

Federated Learning Τεχνικές για συσκευές IoT

  • Ανάπτυξη μοντέλων Federated Learning σε συσκευές IoT
  • Χειρισμός μη-IID δεδομένων και περιορισμένων υπολογιστικών πόρων
  • Βελτιστοποίηση της επικοινωνίας μεταξύ συσκευών IoT και κεντρικών διακομιστών

Λήψη αποφάσεων σε πραγματικό χρόνο και μείωση καθυστέρησης

  • Βελτίωση των δυνατοτήτων επεξεργασίας σε πραγματικό χρόνο σε περιβάλλοντα αιχμής
  • Τεχνικές για τη μείωση του λανθάνοντος χρόνου σε συστήματα Federated Learning
  • Εφαρμογή μοντέλων τεχνητής νοημοσύνης αιχμής για γρήγορη και αξιόπιστη λήψη αποφάσεων

Διασφάλιση απορρήτου δεδομένων σε ομοσπονδιακά συστήματα IoT

  • Τεχνικές απορρήτου δεδομένων σε αποκεντρωμένα μοντέλα τεχνητής νοημοσύνης
  • Διαχείριση κοινής χρήσης δεδομένων και συνεργασίας σε συσκευές IoT
  • Συμμόρφωση με τους κανονισμούς απορρήτου δεδομένων σε περιβάλλοντα IoT

Μελέτες Περιπτώσεων και Πρακτικές Εφαρμογές

  • Επιτυχείς υλοποιήσεις του Federated Learning στο IoT
  • Πρακτικές ασκήσεις με σύνολα δεδομένων IoT πραγματικού κόσμου
  • Διερεύνηση μελλοντικών τάσεων στο Federated Learning για το IoT και τους υπολογιστές αιχμής

Περίληψη και Επόμενα Βήματα

Requirements

  • Εμπειρία σε ανάπτυξη IoT ή αιχμής υπολογιστών
  • Βασική κατανόηση της τεχνητής νοημοσύνης και της μηχανικής μάθησης
  • Εξοικείωση με κατανεμημένα συστήματα και πρωτόκολλα δικτύου

Ακροατήριο

  • Μηχανικοί IoT
  • Ειδικοί υπολογιστών αιχμής
  • Προγραμματιστές AI
 14 Hours

Number of participants


Price per participant

Upcoming Courses

Related Categories