Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
Course Outline
핵심 개념 Federated Learning 검토
- 기본 Federated Learning 방법론 요약
- Federated Learning의 과제: 통신, 계산 및 개인 정보 보호
- 고급 Federated Learning 기술 소개
Federated Learning에 대한 최적화 알고리즘
- Federated Learning의 최적화 과제 개요
- 고급 최적화 알고리즘: Federated Averaging(FedAvg), Federated SGD 등
- 대규모 연방 시스템을 위한 최적화 알고리즘 구현 및 튜닝
Federated Learning에서 비 IID 데이터 처리
- 비 IID 데이터 이해 및 Federated Learning에 미치는 영향
- 비 IID 데이터 배포 처리를 위한 전략
- 사례 연구 및 실제 적용
Federated Learning 시스템 확장
- Federated Learning 시스템 확장의 과제
- 확장을 위한 기술: 아키텍처 설계, 통신 프로토콜 등
- 대규모 Federated Learning 애플리케이션 배포
고급 개인 정보 보호 및 보안 고려 사항
- 고급 Federated Learning의 개인 정보 보호 기술
- 안전한 집계 및 차등 개인 정보 보호
- 대규모 Federated Learning에서의 윤리적 고려사항
사례 연구 및 실제 응용 프로그램
- 사례 연구: 의료 분야의 대규모 Federated Learning
- 고급 Federated Learning 시나리오를 통한 실습
- 실제 프로젝트 구현
Federated Learning의 미래 동향
- Federated Learning의 새로운 연구 방향
- 기술의 발전과 Federated Learning에 미치는 영향
- 미래의 기회와 도전을 탐색하다
요약 및 다음 단계
Requirements
- 머신러닝 및 딥러닝 기술에 대한 경험
- 기본 Federated Learning 개념 이해
- Python 프로그래밍에 대한 능숙함
청중
- 경험이 풍부한 AI 연구자
- 머신러닝 엔지니어
- 데이터 과학자
21 Hours
