Course Outline

Federated Learning 소개

  • 연방 학습이란 무엇이고, 중앙 집중식 학습과 어떻게 다른가요?
  • 안전한 AI 협업을 위한 연합 학습의 장점
  • 민감한 데이터 분야의 사용 사례 및 응용 프로그램

Federated Learning의 핵심 구성요소

  • 연합 데이터, 클라이언트 및 모델 집계
  • Communication 프로토콜 및 업데이트
  • 연방 환경에서 이기종성 처리

Federated Learning의 데이터 개인정보 보호 및 보안

  • 데이터 최소화 및 개인정보 보호 원칙
  • 모델 업데이트 보안을 위한 기술(예: 차등 개인 정보 보호)
  • 데이터 보호 규정을 준수하는 연합 학습

Federated Learning 구현

  • 연합 학습 환경 설정
  • 연합 프레임워크를 사용한 분산 모델 교육
  • 성능 및 정확도 고려 사항

Federated Learning 의료 분야에서

  • 의료 분야의 안전한 데이터 공유 및 개인정보 보호 문제
  • 의료 연구 및 진단을 위한 협업 AI
  • 사례 연구: 의료 영상 및 진단 분야의 연합 학습

Federated Learning Finance에서

  • 안전한 재무 모델링을 위한 연합 학습 사용
  • 연합 접근 방식을 통한 사기 감지 및 위험 분석
  • 금융 기관 내 보안 데이터 협업 사례 연구

Federated Learning의 과제와 미래

  • 연합 학습의 기술적 및 운영적 과제
  • 연방 AI의 미래 동향 및 발전
  • 산업 전반의 연합 학습 기회 탐색

요약 및 다음 단계

Requirements

  • 머신 러닝 개념에 대한 기본 이해
  • 데이터 프라이버시 및 보안 기본 사항에 대한 지식

청중

  • 개인 정보 보호 머신 러닝에 집중하는 데이터 과학자와 AI 연구자
  • 민감한 데이터를 처리하는 의료 및 금융 전문가
  • 보안 AI 협업 방법에 관심이 있는 IT 및 규정 준수 관리자
 14 Hours

Number of participants


Price per participant

Upcoming Courses

Related Categories