感谢您发送咨询!我们的团队成员将很快与您联系。
感谢您发送预订!我们的团队成员将很快与您联系。
课程大纲
介绍 Federated Learning
- 什么是联合学习,它与集中式学习有何不同?
- 联邦学习在安全 AI 协作中的优势
- 敏感数据领域的使用案例和应用
Federated Learning 的核心元件
- 联合数据、用户端和模型聚合
- Communication 协定和更新
- 在联合环境中处理异构性
资料隐私和安全 Federated Learning
- 数据最小化和隐私原则
- 保护模型更新的技术(例如,差分隐私)
- 符合数据保护法规的联合学习
实施 Federated Learning
- 设置联合学习环境
- 使用联合框架进行分散式模型训练
- 性能和准确性注意事项
Federated Learning 医疗保健
- 医疗保健领域的安全数据共享和隐私问题
- 用于医学研究和诊断的协作式 AI
- 案例研究:医学成像和诊断中的联邦学习
Federated Learning 在 Finance 中
- 使用联合学习进行安全的财务建模
- 使用联合方法进行欺诈检测和风险分析
- 金融机构内部安全数据协作的案例研究
挑战与未来 Federated Learning
- 联邦学习中的技术和运营挑战
- 联合 AI 的未来趋势和进步
- 探索跨行业联合学习的机会
总结和后续步骤
要求
- 对机器学习概念的基本理解
- 熟悉数据隐私和安全基础知识
观众
- 专注于隐私保护机器学习的数据科学家和 AI 研究人员
- 处理敏感数据的医疗保健和财务专业人员
- 对安全的 AI 协作方法感兴趣的 IT 和合规经理
14 小时