План на курса

Въведение в Federated Learning в IoT и Edge Computing

  • Преглед на Federated Learning и неговите приложения в IoT
  • Ключови предизвикателства при интегрирането Federated Learning с крайни изчисления
  • Предимства на децентрализирания AI в IoT среди

Federated Learning Техники за IoT устройства

  • Внедряване на Federated Learning модели на IoT устройства
  • Работа с не-IID данни и ограничени изчислителни ресурси
  • Оптимизиране на комуникацията между IoT устройства и централни сървъри

Вземане на решения в реално време и намаляване на латентността

  • Подобряване на възможностите за обработка в реално време в крайни среди
  • Техники за намаляване на латентността в Federated Learning системи
  • Внедряване на модерни AI модели за бързо и надеждно вземане на решения

Осигуряване на поверителност на данните във федерални IoT системи

  • Техники за поверителност на данните в децентрализирани AI модели
  • Управление на споделянето на данни и сътрудничество между IoT устройства
  • Съответствие с разпоредбите за поверителност на данните в IoT среди

Казуси и практически приложения

  • Успешни внедрявания на Federated Learning в IoT
  • Практически упражнения с набори от данни от IoT от реалния свят
  • Проучване на бъдещите тенденции в Federated Learning за IoT и периферни изчисления

Обобщение и следващи стъпки

Изисквания

  • Опит в разработката на IoT или edge computing
  • Основно разбиране на AI и машинно обучение
  • Познаване на разпределени системи и мрежови протоколи

Публика

  • IoT инженери
  • Edge компютърни специалисти
  • AI разработчици
 14 Часа

Брой участници


Цена за участник

Предстоящи Курсове

Свързани Kатегории