Introduction to Federated Learning

• 對機器學習概念的基本理解
• Python 個程式設計經驗
• 熟悉數據隱私原則

觀眾

• 數據科學家
• 機器學習愛好者
• AI 初學者

Federated Learning 是一種去中心化的方法，用於跨多個設備或伺服器訓練機器學習模型，而無需共用原始數據。本課程提供了對 Federated Learning 的基本理解，涵蓋實現去中心化機器學習模型的基本概念、優勢和入門技術。

此講師指導的現場培訓（在線或現場）面向希望學習 Federated Learning 基礎知識及其實際應用的初級專業人員。

在本次培訓結束時，參與者將能夠：

• 理解 Federated Learning 的原理。
• 實現基本的 Federated Learning 演算法。
• 使用 Federated Learning 解決數據隱私問題。
• 將 Federated Learning 集成到現有的 AI 工作流中。

課程形式

• 互動講座和討論。
• 大量的練習和練習。
• 在即時實驗室環境中動手實施。

課程自定義選項

• 要申請本課程的定製培訓，請聯繫我們進行安排。

介紹 Federated Learning

• Federated Learning 概念概述
• 分散式模型訓練與傳統集中式方法
• Federated Learning 在隱私和數據安全方面的優勢

基本 Federated Learning 演算法

• 聯合平均簡介
• 簡單 Federated Learning 模型的實現
• Federated Learning 與傳統機器學習的比較

資料隱私和安全 Federated Learning

• 瞭解 AI 中的數據隱私問題
• 增強隱私的技術 Federated Learning
• 安全聚合和數據加密方法

Federated Learning 的實際實施

• 設置 Federated Learning 環境
• 構建和訓練 Federated Learning 模型
• 在實際場景中部署 Federated Learning

Federated Learning 的挑戰和局限性

• 在 Federated Learning 中處理非 IID 數據
• Communication 和同步問題
• 針對大型網路進行擴展Federated Learning

案例研究和未來趨勢

• 成功實施的案例研究 Federated Learning
• 探索 Federated Learning 的未來
• 隱私保護 AI 的新興趨勢

總結和後續步驟