Свържете се с нас

Съдържание и теми, включени в курса

Въведение във федерираното обучение

  • Общ преглед на федерираното обучение
  • Основни концепции и ползи
  • Федерирано обучение срещу традиционно машинно обучение

Поверителност и сигурност на данните в ИИ

  • Разбиране на проблемите с поверителността на данните в ИИ
  • Регулаторни рамки и съответствие (напр. GDPR)
  • Въведение в техниките за запазване на поверителност

Техники за федерирано обучение

  • Прилагане на федерирано обучение с Python и PyTorch
  • Изграждане на модели, запазващи поверителността, чрез рамки за федерирано обучение
  • Предизвикателства пред федерираното обучение: комуникация, изчисления и сигурност

Реални приложения на федерираното обучение

  • Федерирано обучение в здравеопазването
  • Федерирано обучение във финансите и банкирането
  • Федерирано обучение в мобилни и IoT устройства

Напреднали теми във федерираното обучение

  • Изследване на диференциалната поверителност във федерираното обучение
  • Техники за сигурно агрегиране и криптиране
  • Бъдещи насоки и нововъзникващи тенденции

Казуси и практически приложения

  • Казус: Прилагане на федерирано обучение в здравен контекст
  • Практически упражнения с реални набори от данни
  • Практически приложения и работа по проект

Обобщение и следващи стъпки

Изисквания

  • Разбиране на основите на машинното обучение
  • Основни познания за принципите на поверителност на данните
  • Опит с програмиране на Python

Аудитория

  • Инженери по поверителност
  • Специалисти по етика на ИИ
  • Служители по защита на данните
 14 Часа

Брой участници


Цена за участник

Предстоящи Курсове

Свързани Kатегории