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.
Struttura del corso
Introduzione a Federated Learning
- Panoramica della formazione AI tradizionale rispetto all'apprendimento federato
- Principi chiave e vantaggi dell'apprendimento federato
- Casi d'uso dell'apprendimento federato nelle applicazioni Edge AI
Federated Learning Architettura e flusso di lavoro
- Comprensione dei modelli di apprendimento federati client-server e peer-to-peer
- Partizionamento dei dati e addestramento del modello decentralizzato
- Communication protocolli e strategie di aggregazione
Implementazione di Federated Learning con TensorFlow Federato
- Impostazione TensorFlow Federato per la formazione AI distribuita
- Creazione di modelli di apprendimento federati utilizzando Python
- Simulazione dell'apprendimento federato sui dispositivi edge
Federated Learning con PyTorch e OpenFL
- Introduzione a OpenFL per l'apprendimento federato
- Implementazione di modelli federati basati su PyTorch
- Personalizzazione delle tecniche di aggregazione federata
Ottimizzazione delle prestazioni per Edge AI
- Accelerazione hardware per l'apprendimento federato
- Riduzione del sovraccarico e della latenza delle comunicazioni
- Strategie di apprendimento adattivo per dispositivi con risorse limitate
Riservatezza e sicurezza dei dati in Federated Learning
- Tecniche di tutela della privacy (aggregazione sicura, privacy differenziale, crittografia omomorfica)
- Mitigazione dei rischi di perdita di dati nei modelli di intelligenza artificiale federati
- Conformità normativa e considerazioni etiche
Distribuzione di Federated Learning sistemi
- Impostazione dell'apprendimento federato su dispositivi edge reali
- Monitoraggio e aggiornamento dei modelli federati
- Scalabilità delle distribuzioni di apprendimento federato in ambienti aziendali
Tendenze future e casi di studio
- Ricerche emergenti sull'apprendimento federato e Edge AI
- Casi di studio reali in sanità, finanza e IoT
- Prossimi passi per l'avanzamento delle soluzioni di apprendimento federato
Riepilogo e passaggi successivi
Requisiti
- Ottima conoscenza dei concetti di apprendimento automatico e apprendimento profondo
- Esperienza con la programmazione Python e framework AI (PyTorch, TensorFlow o simili)
- Conoscenze di base di elaborazione distribuita e networking
- Familiarità con i concetti di privacy e sicurezza dei dati nell'intelligenza artificiale
Pubblico
- Ricercatori di intelligenza artificiale
- Scienziati dei dati
- Specialisti della sicurezza
21 ore