Federated Learning for Privacy-Preserving AI

• 了解機器學習基礎知識
• 數據隱私原則的基本知識
• Python 個程式設計經驗

觀眾

• 隱私工程師
• AI 倫理專家
• 數據隱私官

Federated Learning 支援跨去中心化數據源訓練 AI 模型，而不會損害隱私。本課程探討了如何使用 Federated Learning 創建隱私保護 AI 模型，以應對這一快速發展的領域的挑戰和應用。

這種由講師指導的現場培訓（在線或現場）面向希望理解和應用 Federated Learning 以確保 AI 開發中的數據隱私的中級專業人員。

在本次培訓結束時，參與者將能夠：

• 瞭解 Federated Learning 的原理和優勢。
• 使用 Federated Learning 技術實現隱私保護機器學習模型。
• 解決分散式 AI 訓練中的數據隱私挑戰。
• 將 Federated Learning 應用於各個行業的實際場景。

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。

Federated Learning 簡介

• 概覽 Federated Learning
• 關鍵概念和優勢
• Federated Learning 與傳統機器學習相比

AI 中的數據隱私和安全性

• 瞭解 AI 中的數據隱私問題
• 監管框架和合規性（例如，GDPR）
• 隱私保護技術簡介

Federated Learning 技術

• 使用 Python 和 PyTorch 實現 Federated Learning
• 使用 Federated Learning 框架構建隱私保護模型
• Federated Learning 中的挑戰：通信、計算和安全

Federated Learning 的實際應用

• Federated Learning 醫療保健
• Federated Learning 金融與銀行
• Federated Learning 在行動和 IoT 裝置中

進階主題 Federated Learning

• 探索 Federated Learning 中的差分隱私
• 安全聚合和加密技術
• 未來方向和新興趨勢

案例研究和實際應用

• 案例研究：在醫療保健環境中實施 Federated Learning
• 使用真實數據集進行動手練習
• 實際應用和專案工作

總結和後續步驟