Διοικητικές πληροφορίες
| Τίτλος | Ομόσπονδη Μάθηση — Προχωρήσεις και Ανοιχτές Προκλήσεις |
| Διάρκεια | 45 — 60 |
| Ενότητα | Γ |
| Είδος μαθήματος | Διάλεξη |
| Εστίαση | Τεχνική — Μελλοντική ΤΝ |
| Θέμα | Εξελίξεις στα μοντέλα ML μέσω ενός φακού HC — Μια μελέτη προσανατολισμένη στα αποτελέσματα |
Λέξεις-κλειδιά
Ομόσπονδη μάθηση, αποκεντρωμένα δεδομένα, κλιμάκωση, μη κυρτή βελτιστοποίηση, και δικαιοσύνη,
Μαθησιακοί στόχοι
- Προσδιορίστε και συζητήστε την πρόοδο της Ομόσπονδης Μάθησης
- Αναγνώριση των ανοιχτών προκλήσεων της ομόσπονδης μάθησης και συζήτηση των προτεινόμενων λύσεων
Αναμενόμενη προετοιμασία
Μαθησιακές εκδηλώσεις που πρέπει να ολοκληρωθούν πριν
- Διάλεξη: Εισαγωγή στην ανθρωποκεντρική τεχνητή νοημοσύνη
- Διάλεξη: Συμπέρασμα και πρόβλεψη
- Διάλεξη: Δέντρα απόφασης
- Διάλεξη: Νευρωνικά δίκτυα
- Διάλεξη: Βασικές αρχές της βαθιάς μάθησης
- Διάλεξη: Συνεξελικτικά Νευρωνικά Δίκτυα
- Διάλεξη: Δίκτυα μετασχηματιστών
- Διάλεξη: ΕΙΣΑΓΩΓΗ Γενικά Επεξηγητέο Τεχνητή Νοημοσύνη
Υποχρεωτικό για τους φοιτητές
- Εισαγωγή στη μηχανική μάθηση και τις έννοιες βαθιάς μάθησης που δόθηκαν σε προηγούμενες διαλέξεις
Προαιρετικό για Φοιτητές
Καμία.
Αναφορές και υπόβαθρο για τους μαθητές
Συνιστάται για εκπαιδευτικούς
Καμία.
Οδηγίες για τους εκπαιδευτικούς
Ο στόχος αυτής της διάλεξης είναι να διδάξει στους μαθητές πώς τα μοντέλα μηχανικής μάθησης μπορούν να εκλεπτυσθούν όταν το μοντέλο έχει αναπτυχθεί σε μια συσκευή. Αυτή η διάλεξη θα πρέπει να καλύπτει μερικές από τις βασικές έννοιες στο FL, αλλά να επικεντρωθεί στα ανοικτά προβλήματα, τις προόδους και τις προκλήσεις που περιγράφονται παρακάτω.
Σχεδιάγραμμα
| Διάρκεια | Περιγραφή | Έννοιες | Δραστηριότητα | Υλικό |
|---|---|---|---|---|
| 5 λεπτά | Ομόσπονδη μάθηση (FL) κύκλος ζωής & κατάρτιση | Κύκλος ζωής (αναγνώριση προβλημάτων, όργανα, διαμόρφωση πρωτοτύπων, κατάρτιση, αξιολόγηση, ανάπτυξη), Εκπαίδευση (επιλογή, μετάδοση, υπολογισμός, συγκέντρωση, επικαιροποίηση μοντέλου) | Διδακτική συνεδρία και παραδείγματα | Υλικό διαλέξεων |
| 10 λεπτά | Αλγοριθμικές και πρακτικές προκλήσεις | Πλήρως αποκεντρωμένη/από άτομο σε άτομο κατανεμημένη μάθηση, SGD και τοπολογίες δικτύου, μέθοδοι συμπίεσης και κβάντισης, εφαρμογή Blockchain του κεντρικού διακομιστή για τη συγκέντρωση, Cross-Silo (FL), Split learning | Διδακτική συνεδρία και παραδείγματα | Υλικό διαλέξεων |
| 5 λεπτά | Αποδοτικότητα & αποτελεσματικότητα | Άπορα & πανομοιότυπα κατανεμημένα δεδομένα (δεδομένα IID), Στρατηγικές για την αντιμετώπιση δεδομένων μη-IID, Αλγόριθμοι βελτιστοποίησης για FL | Διδακτική συνεδρία και παραδείγματα | Υλικό διαλέξεων |
| 10 λεπτά | Ασφάλεια μοντέλου (ιδιωτική προστασία & επίθεση μοντέλου) | Ηθοποιοί, Μοντέλα Απειλών, Ιδιωτικό απόρρητο σε Βάθος, Ασφαλείς Υπολογισμοί, Αξιόπιστα περιβάλλοντα εκτέλεσης, Τοπική/Διανεμημένη/Υβριδική διαφορική ιδιωτικότητα, Επαληθευσιμότητα, Εξωτερικοί κακόβουλοι Ηθοποιοί | Διδακτική συνεδρία και παραδείγματα | Υλικό διαλέξεων |
| 5 λεπτά | Δικαιοσύνη & Προκατάληψη | Προκατάληψη στα δεδομένα κατάρτισης, δικαιοσύνη χωρίς πρόσβαση σε ευαίσθητα χαρακτηριστικά, βελτίωση της ποικιλομορφίας των μοντέλων, | Διδακτική συνεδρία και παραδείγματα | Υλικό διαλέξεων |
| 5 λεπτά | Συστηματικές προκλήσεις | Προκλήσεις ανάπτυξης και εγκατάστασης, εφαρμογή κώδικα, παρακολούθηση και διόρθωση σφαλμάτων, προκαταλήψεις που προκαλούνται από το σύστημα, παράμετρος tunning | Διδακτική συνεδρία και παραδείγματα | Υλικό διαλέξεων |
| 5 λεπτά | Συμπέρασμα, ερωτήσεις και απαντήσεις | Περίληψη | Συμπεράσματα | Υλικό διαλέξεων |
Αναγνωρίσεις
Το πρόγραμμα Μάστερ τεχνητής νοημοσύνης με επίκεντρο τον άνθρωπο συγχρηματοδοτήθηκε από τον μηχανισμό «Συνδέοντας την Ευρώπη» της Ευρωπαϊκής Ένωσης στο πλαίσιο της επιχορήγησης CEF-TC-2020-1 Digital Skills 2020-EU-IA-0068.