Verwaltungsinformationen
| Titel | Federated Learning – Train Deep Models |
| Dauer | 150 min |
| Modulen | C |
| Unterrichtstyp | Praktisch |
| Fokussierung | Technisches – Zukunfts-KI |
| Themenbereich | Fortschritte bei ML-Modellen durch eine HC-Linse – Eine ergebnisorientierte Studie |
Suchbegriffe
Föderiertes Lernen, Tensorflow,
Lernziele
- Verstehen, wie man Modelle mit dem Federated Learning Framework trainiert
- Verstehen, wie sich die lokale Datenverteilung auf das föderierte Lernen auswirkt
- Sich mit einem High-Level-Framework wie TensorFlow vertraut machen
Erwartete Vorbereitung
Lernveranstaltungen, die vorab abgeschlossen werden müssen
Obligatorisch für Studenten
- Die Schüler sollten ein grundlegendes Verständnis von Deep-Learning-Konzepten und -Techniken haben
- Grundlegendes Verständnis von Deep Learning Training (SGD, Backpropagation Algorithmus) und Evaluierungstechniken
Optional für Studenten
- Ein wenig Kenntnisse des TensorFlow-Frameworks und der Programmiersprache Python
Referenzen und Hintergründe für Studierende
Empfohlen für Lehrer
Unterrichtsmaterialien
Anleitung für Lehrer
- Bieten Sie einen praktischen Vortrag an, in dem die Schüler von geführten Übungen lernen können
- Pop-up-Quize vorschlagen
Gliederung
| Dauer | Beschreibung | Konzepte | Aktivität |
|---|---|---|---|
| 20 min | Einführung in den Rahmen: wie man ein einfaches föderiertes Lernsystem kodiert | Einführung von Werkzeugen | Einführung in die wichtigsten Werkzeuge |
| 60 min | Föderiertes Training: der einfache Weg. Wie man Zugmodelle mit föderiertem Lernen auf Basis von iid lokalen Daten anwendet | Föderierter Durchschnitt | Praxissitzung und Arbeitsbeispiele |
| 60 min | Federated Training: der harte Weg. Wie wirkt sich Heterogenität auf den Föderierten Durchschnitt aus und was können wir tun? | Herausforderungen im Zusammenhang mit Federated Learning | Praxissitzung und Arbeitsbeispiele |
| 10 min | Fazit, Fragen und Antworten | Zusammenfassung | Schlussfolgerungen |
Danksagung
Das Human-Centered AI Masters-Programm wurde von der Fazilität „Connecting Europe“ der Europäischen Union im Rahmen des Zuschusses „CEF-TC-2020-1 Digital Skills 2020-EU-IA-0068“ kofinanziert.