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 Federated Learning
- Ключови концепции и ползи
- Federated Learning срещу традиционното машинно обучение
Поверителност на данните и сигурност в AI
- Разбиране на опасенията за поверителност на данните в AI
- Регулаторни рамки и съответствие (напр. GDPR)
- Въведение в техниките за запазване на поверителността
Federated Learning Техники
- Внедряване на Federated Learning с Python и PyTorch
- Изграждане на модели за запазване на поверителността с помощта на Federated Learning рамки
- Предизвикателства в Federated Learning: комуникация, изчисления и сигурност
Приложения в реалния свят на Federated Learning
- Federated Learning в здравеопазването
- Federated Learning по финанси и банкиране
- Federated Learning в мобилни устройства и IoT устройства
Теми за напреднали в Federated Learning
- Изследване на диференциалната поверителност в Federated Learning
- Техники за сигурно агрегиране и криптиране
- Бъдещи насоки и нововъзникващи тенденции
Казуси и практически приложения
- Казус от практиката: Внедряване на Federated Learning в здравна среда
- Практически упражнения с набори от данни от реалния свят
- Практически приложения и работа по проекти
Обобщение и следващи стъпки
Изисквания
- Разбиране на основите на машинното обучение
- Основни познания за принципите за поверителност на данните
- Опит с Python програмиране
Публика
- Инженери по поверителност
- Специалисти по етика на ИИ
- Служители за поверителност на данните
14 Часа