Kontakt aufnehmen

Schulungsübersicht

Zusammenfassung der Kernkonzepte des Föderierten Lernens

  • Rückblick auf grundlegende Methoden des Föderierten Lernens
  • Herausforderungen im Föderierten Lernen: Kommunikation, Berechnung und Privatsphäre
  • Einführung in fortschrittliche Techniken des Föderierten Lernens

Optimierungsalgorithmen für Föderiertes Lernen

  • Übersicht der Optimierungsherausforderungen im Föderierten Lernen
  • Fortschrittliche Optimierungsalgorithmen: Federated Averaging (FedAvg), Federated SGD und weitere
  • Implementierung und Feinabstimmung von Optimierungsalgorithmen für groß angelegte federierte Systeme

Umgang mit Nicht-IID-Daten im Föderierten Lernen

  • Verständnis von Nicht-IID-Daten und deren Einfluss auf das Föderierte Lernen
  • Strategien zum Umgang mit Nicht-IID-Datenverteilungen
  • Fallstudien und reale Anwendungen

Skalierung federierter Systeme

  • Herausforderungen beim Skalieren federierter Systeme
  • Techniken zur Hochskalierung: Architekturdesign, Kommunikationsprotokolle und weitere
  • Bereitstellung groß angelegter Föderiert-Lernings-Anwendungen

Fortschrittliche Datenschutz- und Sicherheitsaspekte

  • Datenschutztechniken im fortschrittlichen Föderierten Lernen
  • Sichere Aggregation und Differenzielle Privatsphäre
  • Ethische Aspekte in groß angelegtem Föderiertem Lernen

Fallstudien und praktische Anwendungen

  • Fallstudie: Groß angelegtes Föderiertes Lernen im Gesundheitswesen
  • Praktische Übungen mit fortschrittlichen Szenarien des Föderierten Lernens
  • Implementierung realer Projekte

Zukunftstrends im Föderierten Lernen

  • Aufkommende Forschungsrichtungen im Föderierten Lernen
  • Technologische Fortschritte und deren Auswirkungen auf das Föderierte Lernen
  • Erkundung zukünftiger Möglichkeiten und Herausforderungen

Zusammenfassung und nächste Schritte

Voraussetzungen

  • Erfahrung mit Machine-Learning- und Deep-Learning-Techniken
  • Grundlegendes Verständnis der Konzepte des Föderierten Lernens
  • Sicherer Umgang mit Python-Programmierung

Zielgruppe

  • Erfahrene KI-Forscher
  • Machine-Learning-Ingenieure
  • Data Scientists
 21 Stunden

Teilnehmerzahl


Preis je Teilnehmer (exkl. USt)

Kommende Kurse

Verwandte Kategorien