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

Брой участници


Цена за участник

Предстоящи Курсове

Свързани Kатегории