Kursplan

Innføring i Federated Learning

  • Hva er federated learning, og hvordan skiller det seg fra sentralisert læring?
  • Fordele ved federated learning for sikker AI-samarbeid
  • Bruksområder og anvendelser i sektorer med følsomme data

Kjernekomponenter i Federated Learning

  • Federated data, klienter og modellaggregering
  • Kommunikasjonprotokoller og oppdateringer
  • Håndtering av heterogenitet i federated miljøer

Dataprivacy og Sikkerhet i Federated Learning

  • Dataminimering og prinsipper for privacy
  • Teknikker for å sikre modelloppdateringer (f.eks. differensiert privacy)
  • Federated learning i samsvar med databeskyttelsesforskrifter

Implementering av Federated Learning

  • Oppsett av en federated learning miljø
  • Distribuert modelltrening med federated rammeverk
  • Ytelses- og nøyaktighetshensyn

Federated Learning i Helsesektoren

  • Sikker datadeling og privatsfære i helsevesenet
  • Samarbeidende AI for medisinsk forskning og diagnostikk
  • Case studies: federated learning i medisinsk bildebehandling og diagnostikk

Federated Learning i Finanssektoren

  • Bruk av federated learning for sikker finansiell modellering
  • Svindeloppdagelse og risikoanalyse med federated tilnærminger
  • Case studies i sikker datadeling innen finansielle institusjoner

Utfordringer og Fremtiden for Federated Learning

  • Tekniske og operative utfordringer i federated learning
  • Fremtidige trender og fremskritt i federated AI
  • Utforskning av muligheter for federated learning over forskjellige bransjer

Oppsummering og Neste Skritt

Krav

  • Grunnleggende forståelse av maskinlæringskonsepter
  • Kjennskap til grunnleggende prinsipper for databeskyttelse og sikkerhet

Målgruppe

  • Dataforskere og AI-forskere som fokuserer på maskinlæring som bevarer privatliv
  • Helsesektoren og finansfolk som håndterer følsomme data
  • IT- og compliance-ledere interessert i sikre AI-samarbeidsmetoder
 14 timer

Antall deltakere


Price per participant

Open Training Courses require 5+ participants.

Upcoming Courses

Federated Learning for Secure AI Collaboration

2025-10-20 09:30
14 timer
Oslo
3000 EUR (Online)
3400 EUR (Klasserom)

Federated Learning for Secure AI Collaboration

2025-11-03 09:30
14 timer
Oslo
3000 EUR (Online)
3400 EUR (Klasserom)

Federated Learning for Secure AI Collaboration

2025-11-17 09:30
14 timer
Oslo
3000 EUR (Online)
3400 EUR (Klasserom)

Federated Learning for Secure AI Collaboration

2025-12-01 09:30
14 timer
Oslo
3000 EUR (Online)
3400 EUR (Klasserom)

Federated Learning for Secure AI Collaboration

2025-12-15 09:30
14 timer
Oslo
3000 EUR (Online)
3400 EUR (Klasserom)

Relaterte kurs

Avanserte Federated Learning Teknikker

 21 timer

Denne instruktørledede, liveopplæringen i Norge (online eller på stedet) er rettet mot profesjonelle på avansert nivå som ønsker å mestre banebrytende Federated Learning teknikker og bruke dem i storskala AI-prosjekter.

Ved slutten av denne opplæringen vil deltakerne kunne:

  • Optimaliser Federated Learning algoritmer for forbedret ytelse.
  • Håndter ikke-IID-datadistribusjoner i Federated Learning.
  • Skala Federated Learning systemer for storskala distribusjoner.
  • Ta hensyn til personvern, sikkerhet og etiske hensyn i avanserte Federated Learning scenarier.
Read more...

Introduksjon til Federated Learning

14 timer

Denne instruktørledede, direkteopplæringen i Norge (online eller på stedet) er rettet mot nybegynnere som ønsker å lære det grunnleggende om Federated Learning og dets praktiske anvendelser.

Ved slutten av denne opplæringen vil deltakerne kunne:

  • Forstå prinsippene til Federated Learning.
  • Implementer grunnleggende Federated Learning algoritmer.
  • Løs bekymringer om personvern ved å bruke Federated Learning.
  • Integrer Federated Learning i eksisterende AI-arbeidsflyter.
Read more...

Federated Learning and Edge AI

21 timer

Denne instruktørledede, live opplæringen på Norge (online eller på stedet) er rettet mot avanserte AI-forskere, datavitere og sikkerhetseksperter som ønsker å implementere federated learning-teknikker for å trene AI-modeller over flere edge-enheter mens de bevarer dataprivatitet.

Ved slutten av denne opplæringen vil deltakerne kunne:

  • Forstå prinsippene og fordeler med federated learning i Edge AI.
  • Implementere federated learning-modeller ved hjelp av TensorFlow Federated og PyTorch.
  • Optimere AI-training over fordelte edge-enheter.
  • Behandle data-privatet- og sikkerhetsutfordringer i federated learning.
  • Deployere og overvåke federated learning-systemer i virkelige applikasjoner.
Read more...

Federated Learning for Finance

14 timer

Denne instruktørledede, live-opplæringen i Norge (online eller på stedet) er rettet mot fagfolk på middels nivå som ønsker å bruke Federated Learning teknikker for å forbedre datavernet og samarbeidende AI i finansbransjen.

Ved slutten av denne opplæringen vil deltakerne kunne:

  • Forstå prinsippene og fordelene ved Federated Learning i finans.
  • Implementer Federated Learning modeller for personvernbevarende finansielle applikasjoner.
  • Analyser økonomiske data i samarbeid uten å gå på bekostning av personvernet.
  • Bruk Federated Learning på økonomiske scenarier i den virkelige verden, som svindeloppdagelse og risikostyring.
Read more...

Federated Learning for Healthcare

21 timer

Denne instruktørledede, live-opplæringen i Norge (online eller på stedet) er rettet mot fagpersoner på middels nivå som ønsker å søke Federated Learning til helsescenarier, og sikrer personvern og effektivt samarbeid på tvers av institusjoner.

Ved slutten av denne opplæringen vil deltakerne kunne:

  • Forstå rollen til Federated Learning i helsevesenet.
  • Implementer Federated Learning-modeller mens du sikrer personvern for pasientdata.
  • Samarbeid om AI-modellopplæring på tvers av flere helseinstitusjoner.
  • Bruk Federated Learning på casestudier i helsevesenet i den virkelige verden.
Read more...

Federated Learning i IoT og Edge Computing

 14 timer

Denne instruktørledede, live-opplæringen i Norge (online eller på stedet) er rettet mot fagfolk på middels nivå som ønsker å bruke Federated Learning for å optimalisere IoT og avanserte databehandlingsløsninger.

Ved slutten av denne opplæringen vil deltakerne kunne:

  • Forstå prinsippene og fordelene med Federated Learning i IoT og edge computing.
  • Implementer Federated Learning-modeller på IoT-enheter for desentralisert AI-behandling.
  • Reduser latens og forbedre sanntids beslutningstaking i avanserte datamiljøer.
  • Ta tak i utfordringer knyttet til datavern og nettverksbegrensninger i IoT-systemer.
Read more...

Federated Learning for Privacy-Preserving AI

14 timer

Denne instruktørledede, direkteopplæringen i Norge (online eller på stedet) er rettet mot fagfolk på middels nivå som ønsker å forstå og bruke Federated Learning for å sikre datavern i AI-utvikling.

Ved slutten av denne opplæringen vil deltakerne kunne:

  • Forstå prinsippene og fordelene ved Federated Learning.
  • Implementer personvernbevarende maskinlæringsmodeller ved å bruke Federated Learning-teknikker.
  • Ta tak i utfordringene med personvern i desentralisert AI-opplæring.
  • Bruk Federated Learning i virkelige scenarier på tvers av ulike bransjer.
Read more...

Related Categories

Federated Learning
Federated Learning