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 a Federated Learning
- Panoramica di Federated Learning
- Concetti chiave e vantaggi
- Federated Learning Rispetto all'apprendimento automatico tradizionale
Privacy e sicurezza dei dati nell'intelligenza artificiale
- Comprendere i problemi di privacy dei dati nell'intelligenza artificiale
- Quadri normativi e conformità (ad esempio, GDPR)
- Introduzione alle tecniche di tutela della privacy
Federated Learning Tecniche
- Implementazione di Federated Learning con Python e PyTorch
- Creazione di modelli che preservano la privacy utilizzando Federated Learning framework
- Sfide in Federated Learning: comunicazione, calcolo e sicurezza
Applicazioni del mondo reale di Federated Learning
- Federated Learning Nel settore sanitario
- Federated Learning Nel settore finanziario e bancario
- Federated Learning nei dispositivi mobili e IoT
Argomenti avanzati in Federated Learning
- Esplorare la privacy differenziale in Federated Learning
- Tecniche di aggregazione e crittografia sicura
- Direzioni future e tendenze emergenti
Casi di studio e applicazioni pratiche
- Caso di studio: Implementazione di Federated Learning in un contesto sanitario
- Esercizi pratici con set di dati del mondo reale
- Applicazioni pratiche e project work
Riepilogo e passaggi successivi
Requisiti
- Comprensione dei fondamenti dell'apprendimento automatico
- Conoscenza di base dei principi della privacy dei dati
- Esperienza con la programmazione Python
Pubblico
- Ingegneri della privacy
- Specialisti in etica dell'IA
- Responsabili della protezione dei dati
14 Ore
