Köszönjük, hogy elküldte érdeklődését! Csapatunk egyik tagja hamarosan felveszi Önnel a kapcsolatot.
Köszönjük, hogy elküldte foglalását! Csapatunk egyik tagja hamarosan felveszi Önnel a kapcsolatot.
Kurzusleírás
Bevezetés a Federated Learningbe
- Áttekintés a hagyományos AI-képzésről és a federated learningről
- A federated learning kulcsfontosságú elvei és előnyei
- Federated learning alkalmazási esetek az Edge AI területén
Federated Learning architektúra és munkafolyamat
- Az ügyfél-szerver és peer-to-peer federated learning modellek megértése
- Adatparticionálás és decentralizált modellképzés
- Kommunikációs protokollok és aggregációs stratégiák
Federated Learning implementálása TensorFlow Federateddel
- TensorFlow Federated beállítása elosztott AI-képzéshez
- Federated learning modellek építése Python segítségével
- Federated learning szimulálása edge eszközökön
Federated Learning PyTorch és OpenFL használatával
- Bevezetés az OpenFL-be federated learninghez
- PyTorch-alapú federated modellek implementálása
- Federated aggregációs technikák testreszabása
Teljesítményoptimalizálás az Edge AI számára
- Hardvergyorsítás a federated learninghez
- Kommunikációs terhelés és késleltetés csökkentése
- Adaptív tanulási stratégiák erőforráskorlátozott eszközökön
Adatvédelem és biztonság a Federated Learningben
- Adatvédelmi technikák (Secure Aggregation, Differenciális Adatvédelem, Homomorf Titkosítás)
- Adatszivárgási kockázatok csökkentése federated AI modellekben
- Szabályozási megfelelőség és etikai megfontolások
Federated Learning rendszerek üzembe helyezése
- Federated learning beállítása valós edge eszközökön
- Federated modellek monitorozása és frissítése
- Federated learning üzembe helyezések skálázása vállalati környezetekben
Jövőbeli trendek és esettanulmányok
- Új kutatási irányok a federated learning és Edge AI területén
- Valós esettanulmányok az egészségügyben, pénzügyben és IoT területén
- Következő lépések a federated learning megoldások fejlesztésében
Összefoglalás és következő lépések
Követelmények
- Mélyreható ismeretek a gépi tanulás és mélytanulás területén
- Tapasztalat Python programozásban és AI keretrendszerekben (PyTorch, TensorFlow vagy hasonló)
- Alapvető ismeretek az elosztott számítások és hálózatok területén
- Ismeretek az adatvédelmi és biztonsági koncepciókban az AI területén
Közönség
- AI-kutatók
- Adattudósok
- Biztonsági szakemberek
21 Órák
