感谢您发送咨询！我们的团队成员将很快与您联系。
感谢您发送预订！我们的团队成员将很快与您联系。
课程大纲
核心 Federated Learning 概念回顾
- 基本 Federated Learning 方法回顾
- Federated Learning 中的挑战：通信、计算和隐私
- 高级 Federated Learning 技术简介
Federated Learning 的优化演算法
- Federated Learning 中的优化挑战概述
- 高级优化演算法：联合平均 （FedAvg）、联合 SGD 等
- 为大规模联合系统实现和优化优化演算法
处理 Federated Learning 中的非 IID 数据
- 了解非 IID 资料及其对 Federated Learning 的影响
- 处理非 IID 数据分布的策略
- 案例研究和实际应用
缩放 Federated Learning 个系统
- 扩展 Federated Learning 系统的挑战
- 纵向扩展技术：架构设计、通信协定等
- 部署大规模 Federated Learning 应用程式
高级隐私和安全注意事项
- 高级隐私保护技术 Federated Learning
- 安全聚合和差分隐私
- 大规模的伦理考虑 Federated Learning
案例研究和实际应用
- 案例研究：医疗保健领域的大规模 Federated Learning
- 使用高级 Federated Learning 场景进行动手实践
- 实际项目实施
未来趋势 Federated Learning
- Federated Learning 中的新兴研究方向
- 技术进步及其影响 Federated Learning
- 探索未来的机遇和挑战
总结和后续步骤
要求
- 具有机器学习和深度学习技术的经验
- 了解基本 Federated Learning 概念
- 熟练掌握 Python 程式设计
观众
- 经验丰富的 AI 研究人员
- 机器学习工程师
- 数据科学家
21 小时
