Vielen Dank für die Zusendung Ihrer Anfrage! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Vielen Dank, dass Sie Ihre Buchung abgeschickt haben! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Schulungsübersicht
Einführung in Federated Learning
- Übersicht über die Konzepte von Federated Learning
- Dekzentrales Modelltraining im Vergleich zu traditionellen zentralisierten Ansätzen
- Vorteile von Federated Learning in Bezug auf Datenschutz und Datensicherheit
Einfache Algorithmen für Federated Learning
- Einführung in Federated Averaging
- Implementierung eines einfachen Federated-Learning-Modells
- Vergleich von Federated Learning mit traditionellem Machine Learning
Datenschutz und Sicherheit in Federated Learning
- Verständnis von Datenschutzbedenken in der KI
- Techniken zur Verbesserung des Datenschutzes bei Federated Learning
- Sichere Aggregation und Methoden zur Datenverschlüsselung
Praktische Implementierung von Federated Learning
- Aufsetzen einer Umgebung für Federated Learning
- Erstellung und Training eines Federated-Learning-Modells
- Bereitstellung von Federated Learning in realen Szenarien
Herausforderungen und Grenzen von Federated Learning
- Umgang mit nicht identisch und unabhängig verteilten (non-IID) Daten in Federated Learning
- Kommunikations- und Synchronisationsprobleme
- Skalierung von Federated Learning für große Netzwerke
Fallstudien und zukünftige Trends
- Fallstudien erfolgreicher Implementierungen von Federated Learning
- Ausblick auf die Zukunft von Federated Learning
- Aufkommende Trends im Datenschutz-freundlichen KI-Bereich
Zusammenfassung und nächste Schritte
Voraussetzungen
- Grundlegende Kenntnisse in Machine-Learning-Konzepten
- Erfahrung in der Python-Programmierung
- Vertrautheit mit Prinzipien des Datenschutzes
Zielgruppe
- Data Scientists
- Machine-Learning-Enthusiasten
- KI-Einsteiger
14 Stunden
