Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
Kursplan
Gjennomgang av kjernekonsepter Federated Learning
- Oppsummering av grunnleggende Federated Learning metoder
- Utfordringer i Federated Learning: kommunikasjon, beregning og personvern
- Introduksjon til avanserte Federated Learning teknikker
Optimaliseringsalgoritmer for Federated Learning
- Oversikt over optimaliseringsutfordringer i Federated Learning
- Avanserte optimaliseringsalgoritmer: Federated Averaging (FedAvg), Federated SGD og mer
- Implementering og innstilling av optimaliseringsalgoritmer for storskala fødererte systemer
Håndtering av ikke-IID-data i Federated Learning
- Forstå ikke-IID-data og deres innvirkning på Federated Learning
- Strategier for håndtering av ikke-IID-datadistribusjoner
- Kasusstudier og applikasjoner fra den virkelige verden
Skalering Federated Learning Systemer
- Utfordringer med å skalere Federated Learning systemer
- Teknikker for oppskalering: arkitekturdesign, kommunikasjonsprotokoller og mer
- Utplassering av store Federated Learning applikasjoner
Avanserte personvern- og sikkerhetshensyn
- Personvernbevarende teknikker i avanserte Federated Learning
- Sikker aggregering og differensiert personvern
- Etiske hensyn i storskala Federated Learning
Kasusstudier og praktiske anvendelser
- Kasusstudie: Storskala Federated Learning i helsevesenet
- Praktisk øvelse med avanserte Federated Learning scenarier
- Real-world prosjektimplementering
Fremtidige trender i Federated Learning
- Nye forskningsretninger i Federated Learning
- Teknologiske fremskritt og deres innvirkning på Federated Learning
- Utforske fremtidige muligheter og utfordringer
Sammendrag og neste trinn
Krav
- Erfaring med maskinlæring og dyplæringsteknikker
- Forståelse av grunnleggende Federated Learning begreper
- Ferdighet i Python programmering
Publikum
- Erfarne AI-forskere
- Maskinlæringsingeniører
- Dataforskere
21 timer
