Kontakt aufnehmen

Schulungsübersicht

Einführung in das verteilte Lernen

  • Übersicht über verteiltes Lernen
  • Wichtige Konzepte und Vorteile
  • Vertes Lernen im Vergleich zu traditionellem maschinellem Lernen

Datenschutz und Sicherheit in KI-Systemen

  • Verständnis von Datenschutzbedenken in KI
  • Regulatorische Rahmenwerke und Compliance (z. B. DSGVO)
  • Einführung in datenschutzfreundliche Techniken

Techniken des verteilten Lernens

  • Implementierung von verteiltem Lernen mit Python und PyTorch
  • Aufbau datenschutzfreundlicher Modelle mit verteilten Lern-Frameworks
  • Herausforderungen beim verteilten Lernen: Kommunikation, Rechenleistung und Sicherheit

Praktische Anwendungen des verteilten Lernens

  • Verteiltes Lernen im Gesundheitswesen
  • Verteiltes Lernen in der Finanz- und Bankbranche
  • Verteiltes Lernen auf Mobilgeräten und IoT-Geräten

Fortgeschrittene Themen des verteilten Lernens

  • Erforschung von Differential Privacy im verteilten Lernen
  • Sichere Aggregation und Verschlüsselungstechniken
  • Zukünftige Entwicklungen und aufkommende Trends

Fallbeispiele und praktische Anwendungen

  • Fallstudie: Implementierung von verteiltem Lernen im Gesundheitswesen
  • Praktische Übungen mit realen Datensätzen
  • Praktische Anwendungen und Projektarbeiten

Zusammenfassung und weitere Schritte

Voraussetzungen

  • Grundlagenverständnis des maschinellen Lernens
  • Grundkenntnisse der Prinzipien des Datenschutzes
  • Erfahrung in der Programmierung mit Python

Zielgruppe

  • Datenschutz-Ingenieur:innen
  • Spezialist:innen für KI-Ethik
  • Datenschutzbeauftragte
 14 Stunden

Teilnehmerzahl


Preis je Teilnehmer (exkl. USt)

Kommende Kurse

Verwandte Kategorien