Course Outline

Pengantar Federated Learning

  • Ikhtisar Federated Learning
  • Konsep dan manfaat utama
  • Federated Learning vs. pembelajaran mesin tradisional

Privasi dan Keamanan Data dalam AI

  • Memahami masalah privasi data dalam AI
  • Kerangka regulasi dan kepatuhan (misalnya, GDPR)
  • Pengantar teknik menjaga privasi

Federated Learning Teknik

  • Implementasi Federated Learning dengan Python dan PyTorch
  • Membangun model pelestarian privasi menggunakan kerangka kerja Federated Learning
  • Tantangan dalam Federated Learning: komunikasi, komputasi, dan keamanan

Aplikasi Dunia Nyata dari Federated Learning

  • Federated Learning dalam perawatan kesehatan
  • Federated Learning di bidang keuangan dan perbankan
  • Federated Learning di perangkat seluler dan IoT

Topik Lanjutan di Federated Learning

  • Menjelajahi Privasi Diferensial di Federated Learning
  • Teknik Agregasi dan Enkripsi yang Aman
  • Arah masa depan dan tren yang muncul

Studi Kasus dan Aplikasi Praktis

  • Studi kasus: Implementasi Federated Learning dalam lingkungan layanan kesehatan
  • Latihan langsung dengan kumpulan data dunia nyata
  • Aplikasi praktis dan pekerjaan proyek

Ringkasan dan Langkah Berikutnya

Requirements

  • Pemahaman tentang dasar-dasar pembelajaran mesin
  • Pengetahuan dasar tentang prinsip privasi data
  • Pengalaman dengan pemrograman Python

Hadirin

  • Insinyur privasi
  • Spesialis etika AI
  • Petugas privasi data
 14 Hours

Number of participants


Price per participant

Upcoming Courses (Minimal 5 peserta)

Related Categories