Federated Learning for Privacy-Preserving AI

• 了解机器学习基础知识
• 数据隐私原则的基本知识
• Python 个程式设计经验

观众

• 隐私工程师
• AI 伦理专家
• 数据隐私官

Federated Learning 支援跨去中心化数据源训练 AI 模型，而不会损害隐私。本课程探讨了如何使用 Federated Learning 创建隐私保护 AI 模型，以应对这一快速发展的领域的挑战和应用。

这种由讲师指导的现场培训（在线或现场）面向希望理解和应用 Federated Learning 以确保 AI 开发中的数据隐私的中级专业人员。

在本次培训结束时，参与者将能够：

• 了解 Federated Learning 的原理和优势。
• 使用 Federated Learning 技术实现隐私保护机器学习模型。
• 解决分散式 AI 训练中的数据隐私挑战。
• 将 Federated Learning 应用于各个行业的实际场景。

课程形式

• 互动讲座和讨论。
• 大量的练习和练习。
• 在即时实验室环境中动手实施。

课程自定义选项

• 要申请本课程的定制培训，请联系我们进行安排。

Federated Learning 简介

• 概览 Federated Learning
• 关键概念和优势
• Federated Learning 与传统机器学习相比

AI 中的数据隐私和安全性

• 了解 AI 中的数据隐私问题
• 监管框架和合规性（例如，GDPR）
• 隐私保护技术简介

Federated Learning 技术

• 使用 Python 和 PyTorch 实现 Federated Learning
• 使用 Federated Learning 框架构建隐私保护模型
• Federated Learning 中的挑战：通信、计算和安全

Federated Learning 的实际应用

• Federated Learning 医疗保健
• Federated Learning 金融与银行
• Federated Learning 在行动和 IoT 装置中

进阶主题 Federated Learning

• 探索 Federated Learning 中的差分隐私
• 安全聚合和加密技术
• 未来方向和新兴趋势

案例研究和实际应用

• 案例研究：在医疗保健环境中实施 Federated Learning
• 使用真实数据集进行动手练习
• 实际应用和专案工作

总结和后续步骤