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
Introduksjon til Federated Learning
- Oversikt over tradisjonell AI-training vs. federated learning
- Nøkkelprinsipper og fordelene ved federated learning
- Bruksområder for federated learning i Edge AI-applikasjoner
Federated Learning Arkitektur og Arbeidsflyt
- Forståelse av klient-server og peer-to-peer federated learning modeller
- Datadeling og decentralisert modelltrening
- Kommunikasjonsprotokoller og aggregasjonsstrategier
Implementering av Federated Learning med TensorFlow Federated
- Oppsett av TensorFlow Federated for distribuert AI-trening
- Bygging av federated learning modeller ved hjelp av Python
- Simulering av federated learning på kantenheter
Federated Learning med PyTorch og OpenFL
- Introduksjon til OpenFL for federated learning
- Implementering av PyTorch-baserte federated modeller
- Tilpasning av federated aggregasjonsmetoder
Optimalisering av Ytelse for Edge AI
- Hardware akselerasjon for federated learning
- Redusere kommunikasjonsbelastning og forsinkelse
- Adaptive læringsstrategier for ressursbegrensede enheter
Dataprivat og Sikkerhet i Federated Learning
- Teknikker for å bevare privatliv (Secure Aggregation, Differential Privacy, Homomorphic Encryption)
- Redusere risikoen for dataløsning i federated AI-modeller
- Regulativ overholdelse og etiske overveielser
Distribusjon av Federated Learning Systemer
- Oppsett av federated learning på virkelige kantenheter
- Overvåking og oppdatering av federated modeller
- Skalering av federated learning-distribusjoner i bedriftsmiljøer
Framtidige Tendenser og Casestudier
- Ny forskning innen federated learning og Edge AI
- Praktiske casestudier innen helsevesen, finans og IoT
- Neste steg for å fremme federated learning-løsninger
Oppsummering og Neste Steg
Krav
- God kjennskap til maskinlæring og dyplæringsbegreper
- Erfaring med Python-programmering og AI-rammeverk (PyTorch, TensorFlow, eller lignende)
- Grunnleggende kunnskap om fordelt beregning og nettverk
- Kjennskap til dataprivat og sikkerhetsbegreper innen AI
Målgruppe
- AI-forskere
- Datavitere
- Sikkerhetseksperter
21 timer
