Informações administrativas
| Titulo | Aprendizagem Federada — Avanços e Desafios Abertos |
| Duração | 45 — 60 |
| Módulo | C |
| Tipo de aula | Palestra |
| Foco | Técnico — Futura IA |
| Tópico | Avanços em modelos ML através de uma lente HC — Um Estudo Orientado a Resultados |
Palavras-chave
Aprendizagem Federada, Dados Descentralizados, Escalabilidade, Otimização Não Convexa, Bias e Eqüidade,
Objetivos de aprendizagem
- Identificar e discutir os avanços da Aprendizagem Federada
- Reconhecer os desafios abertos da aprendizagem federada e discutir as soluções propostas
Preparação prevista
Eventos de aprendizagem a serem concluídos antes
Obrigatório para os Estudantes
- Introdução à aprendizagem automática e conceitos de aprendizagem profunda dadas em palestras anteriores
Facultativo para Estudantes
Nenhuma.
Referências e antecedentes para estudantes
Recomendado para professores
Nenhuma.
Materiais das aulas
Instruções para os professores
O objetivo desta palestra é ensinar aos alunos como os modelos de aprendizagem automática podem ser refinados quando o modelo foi implantado em um dispositivo. Esta palestra deve abranger alguns dos conceitos básicos na FL, mas concentrar-se nos problemas abertos, avanços e desafios descritos abaixo.
Esboço
| Duração | Descrição | Conceitos | Atividade | Materiais |
|---|---|---|---|---|
| 5 min | Ciclo de vida e formação da aprendizagem federada (FL) | Ciclo de vida (identificação de problemas, instrumentação, prototipagem, formação, avaliação, destacamento), formação (seleção, difusão, cálculo, agregação, atualização do modelo) | Sessão ensinada e exemplos | Material para palestras |
| 10 min | Desafios algorítmicos e práticos | Totalmente descentralizada/Peer-to-Peer Distributed Learning, SGD e topologias de rede, métodos de compressão e quantificação, implementação Blockchain de servidor central para agregação, Cross-Silo (FL), Aprendizagem Split | Sessão ensinada e exemplos | Material para palestras |
| 5 min | Eficiência & Eficácia | Dados independentes e distribuídos de forma idêntica (Dados IID), Estratégias para lidar com Dados Não IID, Algoritmos de Otimização para FL | Sessão ensinada e exemplos | Material para palestras |
| 10 min | Segurança do modelo (privacidade e ataque de modelo) | Atores, Modelos de Ameaças, Privacidade em Profundidade, Computações seguras, Ambientes de execução fidedignos, Privacidade diferencial local/distribuída/Híbrida, Verificabilidade, Agentes maliciosos externos | Sessão ensinada e exemplos | Material para palestras |
| 5 min | Equidade & Bias | Parcialidade nos dados de formação, equidade sem acesso a atributos sensíveis, melhoria da diversidade de modelos, | Sessão ensinada e exemplos | Material para palestras |
| 5 min | Desafios sistemáticos | Desafios de desenvolvimento e implantação, implementação de códigos, monitorização e depuração, enviesamento induzido pelo sistema, ajuste de parâmetros | Sessão ensinada e exemplos | Material para palestras |
| 5 min | Conclusão, perguntas e respostas | Sumário | Conclusões | Material para palestras |
Agradecimentos
O programa de mestrado em IA centrado no ser humano foi cofinanciado pelo Mecanismo Interligar a Europa da União Europeia ao abrigo de subvenções CEF-TC-2020-1 Competências Digitais 2020-EU-IA-0068.