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.
Съдържание и теми, включени в курса
Преглед на основните концепции за федеративно обучение
- Припомняне на основните методологии за федеративно обучение
- Предизвикателства във федеративното обучение: комуникация, изчислителни ресурси и поверителност
- Въведение в усъвършенстваните техники за федеративно обучение
Алгоритми за оптимизация при федеративно обучение
- Преглед на предизвикателствата при оптимизацията във федеративното обучение
- Усъвършенствани алгоритми за оптимизация: Федеративно осредняване (FedAvg), Федеративен SGD и други
- Внедряване и настройка на алгоритми за оптимизация за широкомащабни федеративни системи
Работа с нееднородно разпределени (Non-IID) данни при федеративно обучение
- Разбиране на нееднородно разпределените данни и тяхното въздействие върху федеративното обучение
- Стратегии за справяне с нееднородни разпределения на данни
- Казуси и приложения в реалния свят
Мащабиране на системи за федеративно обучение
- Предизвикателства при мащабирането на системи за федеративно обучение
- Техники за разрастване: архитектурен дизайн, комуникационни протоколи и други
- Внедряване на широкомащабни приложения за федеративно обучение
Усъвършенствани съображения за поверителност и сигурност
- Техники за запазване на поверителността при напреднало федеративно обучение
- Сигурно агрегиране и диференциална поверителност
- Етични съображения при широкомащабно федеративно обучение
Казуси и практически приложения
- Казус: Широкомащабно федеративно обучение в здравеопазването
- Практически упражнения с напреднали сценарии за федеративно обучение
- Реализация на проект от реалния свят
Бъдещи тенденции във федеративното обучение
- Нововъзникващи насоки за изследвания в областта на федеративното обучение
- Технологичен напредък и неговото въздействие върху федеративното обучение
- Изследване на бъдещите възможности и предизвикателства
Обобщение и следващи стъпки
Изисквания
- Опит с техники за машинно обучение и дълбоко обучение
- Разбиране на основните концепции на федеративното обучение
- Умения за програмиране на Python
Аудитория
- Опитни изследователи в областта на ИИ
- Инженери по машинно обучение
- Специалисти по данни
21 Часа