Plan Szkolenia

Wprowadzenie do Federated Learning

  • Czym jest uczenie federacyjne i czym różni się od uczenia scentralizowanego?
  • Zalety uczenia federacyjnego dla bezpiecznej współpracy AI
  • Przypadki użycia i aplikacje w sektorach danych wrażliwych

Podstawowe komponenty Federated Learning

  • Sfederowane dane, klienci i agregacja modeli
  • Protokoły i aktualizacje Communication
  • Obsługa heterogeniczności w środowiskach federacyjnych

Prywatność i bezpieczeństwo danych w Federated Learning

  • Minimalizacja danych i zasady prywatności
  • Techniki zabezpieczania aktualizacji modeli (np. prywatność różnicowa)
  • Uczenie federacyjne zgodne z przepisami dotyczącymi ochrony danych

Wdrażanie Federated Learning

  • Konfiguracja federacyjnego środowiska uczenia się
  • Rozproszone szkolenie modeli z federacyjnymi ramami
  • Rozważania dotyczące wydajności i dokładności

Federated Learning w opiece zdrowotnej

  • Bezpieczne udostępnianie danych i kwestie prywatności w opiece zdrowotnej
  • Współpracująca sztuczna inteligencja w badaniach medycznych i diagnostyce
  • Studia przypadków: uczenie federacyjne w obrazowaniu medycznym i diagnostyce

Federated Learning w Finance

  • Wykorzystanie federacyjnego uczenia się do bezpiecznego modelowania finansowego
  • Wykrywanie oszustw i analiza ryzyka z wykorzystaniem podejścia federacyjnego
  • Studia przypadków bezpiecznej współpracy w zakresie danych w instytucjach finansowych

Wyzwania i przyszłość Federated Learning

  • Wyzwania techniczne i operacyjne w uczeniu federacyjnym
  • Przyszłe trendy i postępy w sfederowanej sztucznej inteligencji
  • Badanie możliwości federacyjnego uczenia się w różnych branżach

Podsumowanie i kolejne kroki

Wymagania

  • Podstawowe zrozumienie koncepcji uczenia maszynowego
  • Znajomość podstaw prywatności i bezpieczeństwa danych

Odbiorcy

  • Naukowcy zajmujący się danymi i sztuczną inteligencją koncentrujący się na uczeniu maszynowym z zachowaniem prywatności
  • Specjaliści ds. opieki zdrowotnej i finansów zajmujący się wrażliwymi danymi
  • Menedżerowie IT i ds. zgodności zainteresowani bezpiecznymi metodami współpracy w zakresie sztucznej inteligencji
 14 godzin

Liczba uczestników


cena netto za uczestnika

Propozycje terminów

Powiązane Kategorie