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.
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