Informații administrative
| Titlu | Teoria învățării Federate (profilare și personalizare) |
| Durată | 45-60 min |
| Modulul | C |
| Tipul lecției | Prelegere |
| Focalizare | Tehnică – Viitoarea IA |
| Subiect | Progresele modelelor ML printr-o lentilă HC – Un studiu orientat spre rezultate |
Cuvinte cheie
Învățarea Federată, sistemul bazat pe cunoaștere, păstrarea vieții private,
Obiective de învățare
- Oferă motivațiile pentru a face Federated Learning
- Oferiți o înțelegere inițială a tehnicilor de bază pentru învățarea federală
- Discutați principalele limitări și provocările legate de acestea
Pregătirea preconizată
Evenimente de învățare care urmează să fie finalizate înainte
Obligatoriu pentru studenți
- Cunoștințe de bază privind probabilitatea și statisticile
- Înțelegerea de bază a formării de învățare profundă (SGD, algoritm de backpropagation) și a tehnicilor de evaluare
- Introducere în conceptele de învățare automată și învățare profundă date în prelegerile anterioare
Opțional pentru studenți
Nici unul.
Referințe și context pentru studenți
Nici unul.
Recomandat pentru profesori
- P. Kairouz, et al. „Avansuri și probleme deschise în învățarea federală”, Fundații și tendințe în învățarea mașinilor: Vol. 14: Nr. 1-2, pp. 1-210. — URL
- Konečný, Jakub și McMahan, H. Brendan și Ramage, Daniel și Richtárik, Peter. „Optimizarea federală: Distribuit Machine Learning pentru On-Device Intelligence". arXiv 2016.
- Chen Zhang, et al., A survey on federated learning, Knowledge-Based Systems, Volumul 216, 2021, 106775, ISSN 0950-7051 - URL
- Google Federated Learning și AI
- Învățarea federală: Învățare automată colaborativă fără date centralizate de formare
- Învățare profundă -> Învățare Federată în 10 linii
- TensorFlow/federated
Materiale de lecție
Instrucțiuni pentru profesori
- Oferiți o imagine de ansamblu asupra tehnicilor, argumentelor pro și contra
- Propune chestionare pop-up
Evenimentul de învățare se referă la tipurile de modele, evaluarea acestora și posibilele tehnici de optimizare.
Contur
| Durată | Descriere | Concepte |
|---|---|---|
| 10 min | Introducere: Scenariu motivant și introducere în învățarea federată: ce este, pentru ce este, când și de ce este nevoie. | Gravitatea datelor, confidențialitatea datelor și definiția scenariului de activare. |
| 10 min | Învățarea federală: concepte de bază, definirea sistemului și prezentare algoritmică | Noțiunile de bază ale abordării de învățare federală |
| 15 min | Algoritmul mediu federal: Definiție formală și proprietăți | Algoritm de bază pentru învățarea federată |
| 20 min | Dincolo de media federată: limitări ale mediei federate, provocări și soluții posibile. | Dezechilibrul datelor, personalizarea, echitatea |
| 5 min | Concluzie, întrebări și răspunsuri | Rezumat |
Confirmări
Programul de masterat AI centrat pe om a fost cofinantat de Mecanismul pentru interconectarea Europei al Uniunii Europene sub Grantul CEF-TC-2020-1 Digital Skills 2020-EU-IA-0068.