Grazie per aver inviato la tua richiesta! Uno dei nostri team membri ti contatterà a breve.
Grazie per aver inviato il tuo prenotazione! Uno dei nostri team membri ti contatterà a breve.
Struttura del corso
Introduzione all’Apprendimento Federato
- Confronto tra l’addestramento tradizionale dei modelli AI e quello tramite apprendimento federato
- Principi fondamentali e vantaggi dell’apprendimento federato
- Esempi di applicazioni dell’apprendimento federato nell’ambito dell’Intelligenza Artificiale in Edge
Architettura e Flusso Operativo dell’Apprendimento Federato
- Approfondimento sui modelli client-server e peer-to-peer nell’apprendimento federato
- Partizionamento dei dati e addestramento decentralizzato dei modelli
- Protocolli di comunicazione e strategie di aggregazione dei dati
Implementazione dell’Apprendimento Federato con TensorFlow Federated
- Configurazione iniziale di TensorFlow Federated per l’addestramento AI distribuito
- Creazione di modelli federati tramite Python
- Simulazione dell’apprendimento federato su dispositivi edge
Apprendimento Federato con PyTorch e OpenFL
- Introduzione a OpenFL come piattaforma per l’apprendimento federato
- Implementazione di modelli federati basati su PyTorch
- Personalizzazione delle tecniche di aggregazione utilizzate nei processi di addestramento
Ottimizzazione delle Prestazioni nell’Ambito dell’Intelligenza Artificiale in Edge
- Utilizzo dell’accelerazione hardware per migliorare l’efficienza dell’apprendimento federato
- Riduzione del sovraccarico comunicativo e della latenza nei sistemi distribuiti
- Strategie di apprendimento adattive ideali per dispositivi con risorse limitate
Privacy dei Dati e Sicurezza nell’Apprendimento Federato
- Tecniche di protezione della privacy: aggregazione sicura, differenzial privacy ed crittografia omomorfa
- Misure per contrastare il rischio di perdita o divulgazione non autorizzata dei dati nei modelli AI federati
- Aspetti normativi, etici e di conformità delle pratiche di apprendimento federato
Distribuzione dei Sistemi di Apprendimento Federato
- Configurazione dell’apprendimento federato su dispositivi edge reali
- Monitoraggio e aggiornamento dei modelli addestrati tramite metodi federati
- Scalabilità delle implementazioni di apprendimento federato in ambienti aziendali
Tendenze Future e Studi di Caso
- Sviluppi recenti nella ricerca sull’apprendimento federato e l’Intelligenza Artificiale in Edge
- Analisi di casi concreti nei settori della sanità, della finanza e dell’Internet delle Cose
- Prospettive future per il progresso continuo nell’implementazione di soluzioni basate sull’apprendimento federato
Riassunto e Indirizzi Futuri
Requisiti
- Buona conoscenza dei concetti fondamentali di machine learning e deep learning
- Esperienza nella programmazione Python e nell’utilizzo di framework AI come PyTorch, TensorFlow o simili
- Conoscenze di base sull’informatica distribuita e sulle reti
- Familiarità con i temi della privacy dei dati e della sicurezza nell’ambito dell’Intelligenza Artificiale
Destinatari
- Ricercatori di intelligenza artificiale
- Data scientist
- Specialisti della sicurezza informatica
21 ore
Recensioni (1)
Coprindo argomenti avanzati e lavorando con esempi pratici
Ruben Khachaturyan - iris-GmbH infrared & intelligent sensors
Corso - Advanced Edge AI Techniques
Traduzione automatica
