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 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
