Děkujeme za vaši dotaz! Jeden z našich pracovníků vás brzy kontaktuje.
Děkujeme za rezervaci! Jeden z našich pracovníků vás brzy kontaktuje.
Návrh Školení
Úvod do Federovaného Učení
- Přehled tradičního učení AI vs. federovánho učení
- Klíčové principy a výhody federovaného učení
- Použití federovaného učení v aplikacích s AI na okraji (Edge AI)
Architektura a Pracovní Postup Federovaného Učení
- Porozumění modelům federovaného učení klient-server a peer-to-peer
- Rozdělení dat a decentralizované učení modelu
- Komunikační protokoly a strategie agregace
Implementace Federovaného Učení s TensorFlow Federated
- Nastavení TensorFlow Federated pro distribuované učení AI
- Vytváření federovaných modelů učení pomocí Pythonu
- Simulace federovaného učení na zařízeních na okraji (Edge)
Federováno Učení s PyTorchem a OpenFL
- Úvod do OpenFL pro federované učení
- Implementace PyTorch-založených federovaných modelů
- Vlastní přizpůsobení technik agregace federací
Optimalizace Výkonu pro AI na Okraji (Edge)
- Acelerace hardwarově podporovaného federovaného učení
- Snížení komunikačních nákladů a latence
- Prizpůsobitelné strategie učení pro zařízení s omezenými zdroji
Data Soukromí a Bezpečnost v Federovaném Učení
- Techniky ochrany soukromí (Zabezpečená Agregace, Diferenciální Soukromí, Homomorfní Šifrování)
- Omezení rizik odchytavání dat v federovaných modelech AI
- Právní soulad a etické aspekty
Nasazování Federovaných Učení Systémů
- Nastavení federovaného učení na skutečných zařízeních na okraji (Edge)
- Monitorování a aktualizace federovaných modelů
- Rozšiřování nasazení federovaného učení v podnikovém prostředí
Budoucí Trendy a Případové Studie
- Vznikající výzkum v federovaném učení a AI na okraji (Edge)
- Skutečné případové studie v zdravotnictví, financech a IoT
- Další kroky pro pokrok federovaných řešení učení
Závěr a Části na Budoucí Akce
Požadavky
- Silný pochopení konceptů strojového a hlubokého učení
- Zkušenosti s programováním v Pythonu a AI rámci (PyTorch, TensorFlow nebo podobné)
- Základní znalost distribuovaného výpočtů a síťování
- Vědomosti o konceptech ochrany dat a bezpečnosti v AI
Cílová skupina
- Výzkumníci v oblasti umělé inteligence
- Data scientisti
- Odborníci na bezpečnost
21 hodiny