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
- Was ist Federated Learning, und wie unterscheidet es sich vom zentralisierten Lernen?
- Vorteile des Federated Learnings für die sichere KI-Zusammenarbeit
- Anwendungsfälle und Einsatzmöglichkeiten in sensiblen Datenbereichen
Kernkomponenten von Federated Learning
- Verteilte Daten, Clients und Modellaggregation
- Kommunikationsprotokolle und Updates
- Umgang mit Heterogenität in verteilten Umgebungen
Datensicherheit und Privatsphäre im Federated Learning
- Datenminimierung und Datenschutzgrundsätze
- Techniken zur Sicherung von Modell-Updates (z. B. Differential Privacy)
- Federated Learning im Einklang mit Datenschutzbestimmungen
Implementierung von Federated Learning
- Einrichten einer Federated-Learning-Umgebung
- Verteiltes Modelltraining mit Federated-Frameworks
- Betrachtungen zur Leistungsfähigkeit und Genauigkeit
Federated Learning im Gesundheitswesen
- Sichere Datenfreigabe und Datenschutzbedenken im Gesundheitswesen
- Kollaborative KI für medizinische Forschung und Diagnose
- Fallstudien: Federated Learning in der medizinischen Bildgebung und Diagnostik
Federated Learning im Finanzwesen
- Einsatz von Federated Learning für sicheres finanzielles Modellieren
- Betrugserkennung und Risikomanagement mit verteilten Ansätzen
- Fallstudien zur sicheren Datenkooperation innerhalb finanzwirtschaftlicher Institutionen
Herausforderungen und Zukunft des Federated Learning
- Technische und operative Herausforderungen im Federated Learning
- Zukünftige Trends und Fortschritte in der federierten KI
- Erkundung von Möglichkeiten für Federated Learning in verschiedenen Branchen
Zusammenfassung und nächste Schritte
Voraussetzungen
- Grundverständnis der Konzepte des Machine Learnings
- Vertrautheit mit den Grundlagen der Datensicherheit und Privatsphäre
Zielgruppe
- Data Scientists und KI-Forschende, die sich auf datenschutzkonformes Machine Learning spezialisieren
- Fachkräfte aus dem Gesundheits- und Finanzwesen mit sensiblen Daten
- IT- und Compliance-Manager, die an sicheren KI-Zusammenarbeitsmethoden interessiert sind
14 Stunden
