Merci d'avoir envoyé votre demande ! Un membre de notre équipe vous contactera sous peu.
Merci d'avoir envoyé votre réservation ! Un membre de notre équipe vous contactera sous peu.
Plan du cours
Révision des concepts de base Federated Learning
- Récapitulation des méthodologies de base Federated Learning
- Défis de Federated Learning : communication, calcul et protection de la vie privée
- Introduction aux techniques Federated Learning avancées
Algorithmes d'optimisation pour Federated Learning
- Vue d'ensemble des défis d'optimisation dans Federated Learning
- Algorithmes d'optimisation avancés : Moyenne fédérée (FedAvg), SGD fédéré, etc.
- Implémentation et réglage d'algorithmes d'optimisation pour les systèmes fédérés à grande échelle
Traitement des données non identifiées dans Federated Learning
- Comprendre les données non identifiées et leur impact sur Federated Learning
- Stratégies de gestion des distributions de données non identifiées
- Études de cas et applications réelles
Mise à l'échelle des systèmes Federated Learning
- Défis liés à la mise à l'échelle des systèmes Federated Learning
- Techniques de mise à l'échelle : conception de l'architecture, protocoles de communication, etc.
- Déploiement d'applications Federated Learning à grande échelle
Considérations avancées en matière de confidentialité et de sécurité
- Techniques de préservation de la vie privée dans les Federated Learning avancés
- Agrégation sécurisée et confidentialité différentielle
- Considérations éthiques dans les Federated Learning à grande échelle
Études de cas et applications pratiques
- Étude de cas : Federated Learning à grande échelle dans les soins de santé
- Pratique avec des scénarios Federated Learning avancés
- Mise en œuvre d'un projet dans le monde réel
Tendances futures en Federated Learning
- Orientations émergentes de la recherche en Federated Learning
- Progrès technologiques et leur impact sur Federated Learning
- Explorer les opportunités et les défis futurs
Résumé et prochaines étapes
Pré requis
- Expérience des techniques d'apprentissage automatique et d'apprentissage profond
- Compréhension des concepts de base Federated Learning.
- Maîtrise de la programmation Python.
Audience
- Chercheurs expérimentés en IA
- Ingénieurs en apprentissage automatique
- Scientifiques des données
21 Heures