Información administrativa
| Título | Aprendizaje Federado — Entrenar modelos profundos |
| Duración | 150 min |
| Módulo | C |
| Tipo de lección | Practico |
| Enfoque | Técnico — Futuro AI |
| Tema | Avances en los modelos ML a través de una lente HC — Un estudio orientado a resultados |
Keywords
Aprendizaje Federado, Flujo de Tensor,
Objetivos de aprendizaje
- Entender cómo entrenar modelos utilizando el marco de aprendizaje federado
- Comprender cómo la distribución local de datos afecta el aprendizaje federado
- Familiarizarse con un marco de alto nivel como TensorFlow
Preparación prevista
Eventos de aprendizaje que se completarán antes
Obligatorio para los estudiantes
- Los estudiantes deben tener una comprensión básica de los conceptos y técnicas de aprendizaje profundo
- Comprensión básica del entrenamiento de aprendizaje profundo (SGD, algoritmo de retropropagación) y técnicas de evaluación
Opcional para estudiantes
- Un poco de conocimiento del framework TensorFlow y del lenguaje de programación Python
Referencias y antecedentes para estudiantes
Recomendado para profesores
Material didáctico
Instrucciones para profesores
- Proporcionar una conferencia práctica donde los estudiantes pueden aprender de los ejercicios guiados
- Proponer cuestionarios emergentes
Esquema
| Duración | Descripción | Conceptos | Actividad |
|---|---|---|---|
| 20 min | Introducción al marco: cómo codificar un sistema de aprendizaje federado simple | Introducción de herramientas | Introducción a las principales herramientas |
| 60 min | Entrenamiento Federado: la manera fácil. Cómo aplicar modelos de trenes con aprendizaje federado basado en datos locales iid | Media Federada | Sesión práctica y ejemplos de trabajo |
| 60 min | Formación Federada: por el camino difícil. ¿Cómo afecta la heterogeneidad a la media federada y qué podemos hacer? | Desafíos relacionados con el Aprendizaje Federado | Sesión práctica y ejemplos de trabajo |
| 10 min | Conclusión, preguntas y respuestas | Resumen | Conclusiones |
Reconocimientos
El programa de maestría en IA centrada en el ser humano fue cofinanciado por el Mecanismo «Conectar Europa» de la Unión Europea en virtud de la subvención «CEF-TC-2020-1 Digital Skills 2020-EU-IA-0068».