Благодарим ви, че изпратихте вашето запитване! Един от членовете на нашия екип ще се свърже с вас скоро.
Благодарим ви, че направихте своята резервация! Един от членовете на нашия екип ще се свърже с вас скоро.
План на курса
Въведение в Federated Learning
- Преглед на традиционното AI обучение срещу федеративното обучение
- Основни принципи и предимства на обединеното обучение
- Случаи на използване на обединено обучение в Edge AI приложения
Federated Learning Архитектура и работен процес
- Разбиране на обединени модели на обучение клиент-сървър и peer-to-peer
- Разделяне на данни и обучение по децентрализиран модел
- Communication протоколи и стратегии за агрегиране
Внедряване на Federated Learning с TensorFlow Federated
- Настройка TensorFlow Обединено за разпределено обучение на AI
- Изграждане на обединени модели за обучение с помощта на Python
- Симулиране на обединено обучение на крайни устройства
Federated Learning с PyTorch и OpenFL
- Въведение в OpenFL за обединено обучение
- Внедряване на обединени модели, базирани на PyTorch.
- Персонализиране на техники за обединено агрегиране
Оптимизиране на производителността за Edge AI
- Хардуерно ускорение за обединено обучение
- Намаляване на разходите за комуникация и забавянето
- Адаптивни стратегии за обучение за устройства с ограничени ресурси
Поверителност и сигурност на данните в Federated Learning
- Техники за запазване на поверителността (сигурно агрегиране, диференциална поверителност, хомоморфно криптиране)
- Намаляване на рисковете от изтичане на данни във федерални AI модели
- Съответствие с нормативната уредба и етични съображения
Внедряване на Federated Learning системи
- Настройване на обединено обучение на реални крайни устройства
- Мониторинг и актуализиране на обединени модели
- Мащабиране на внедрявания на обединено обучение в корпоративни среди
Бъдещи тенденции и казуси
- Новопоявили се изследвания във федеративното обучение и Edge AI
- Казуси от реалния свят в здравеопазването, финансите и интернет на нещата
- Следващи стъпки за напредване на решенията за обединено обучение
Обобщение и следващи стъпки
Изисквания
- Силно разбиране на концепциите за машинно обучение и дълбоко обучение
- Опит с Python програмиране и AI рамки (PyTorch, TensorFlow или подобни)
- Основни познания за разпределени изчисления и мрежи
- Познаване на поверителността на данните и концепциите за сигурност в AI
Публика
- Изследователи на AI
- Учени по данни
- Специалисти по сигурността
21 Часа