Informações administrativas
| Titulo | Teoria da Aprendizagem Federada (Profiling and Personalization) |
| Duração | 45-60 min |
| 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, sistema baseado no conhecimento, preservação da privacidade,
Objetivos de aprendizagem
- Fornecer as motivações para fazer a Aprendizagem Federada
- Fornecer uma compreensão inicial das técnicas básicas para a Aprendizagem Federada
- Discutir as principais limitações e os desafios que lhes estão associados
Preparação prevista
Eventos de aprendizagem a serem concluídos antes
Obrigatório para os Estudantes
- Conhecimento básico de probabilidades e estatísticas
- Compreensão básica da formação em aprendizagem profunda (SGD, algoritmo de retropropagação) e técnicas de avaliação
- Introdução à aprendizagem automática e conceitos de aprendizagem profunda dadas em palestras anteriores
Facultativo para Estudantes
Nenhuma.
Referências e antecedentes para estudantes
Nenhuma.
Recomendado para professores
- P. Kairouz, et al. «Avanços e Problemas Abertos na Aprendizagem Federada», Fundamentos e Tendências® na Aprendizagem de Máquinas: Vol. 14: N.º 1–2, pp. 1-210. — URL
- Konečný, Jakub e McMahan, H. Brendan e Ramage, Daniel e Richtárik, Peter. «Otimização Federal: Distribuído Machine Learning for On-Device Intelligence". arXiv 2016.
- Chen Zhang, et al., A survey on federated learning, Knowledge-Based Systems, Volume 216, 2021, 106775, ISSN 0950-7051 - URL
- Google Federated Aprendizagem e Inteligência Artificial
- AprendizagemFederada: Aprendizagem automática colaborativa sem dados de formação centralizados
- Aprendizagem profunda -> Aprendizagem federada em 10 linhas
- TensorFlow/federado
Materiais das aulas
Instruções para os professores
- Fornecer uma visão geral das técnicas, seus prós e contras
- Propor questionários pop-up
O evento de aprendizagem deve referir-se aos tipos de modelos, à sua avaliação e às possíveis técnicas de otimização.
Esboço
| Duração | Descrição | Conceitos |
|---|---|---|
| 10 min | Introdução: Cenário motivador e introdução à aprendizagem federada: o que é, para que serve, quando e por que é necessário. | Gravidade dos dados, privacidade dos dados e definição de cenário facilitador. |
| 10 min | Aprendizagem Federada: conceitos básicos, definição de sistema e visão algorítmica | Noções básicas da abordagem de aprendizagem federada |
| 15 min | Algoritmo de média federada: Definição formal e propriedades | Algoritmo básico para a aprendizagem federada |
| 20 min | Para além da média federada: limitações da média federada, desafios e possíveis soluções. | Desequilíbrio dos dados, personalização, equidade |
| 5 min | Conclusão, perguntas e respostas | Sumário |
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.