Hallinnolliset tiedot
| Otsikko | Federated Learning – Train deep models Näytä tarkat tiedot |
| Kesto | 150 min |
| Moduuli | C |
| Oppitunnin tyyppi | Käytännöllinen |
| Keskittyminen | Tekninen – Tulevaisuuden tekoäly |
| Aihe | ML-mallien edistyminen HC-objektiivin läpi – tulosorientoitunut tutkimus |
Avainsanoja
Federated Learning, Tensorflow,
Oppimistavoitteet
- Ymmärtää, miten kouluttaa malleja käyttäen Federated Learning Framework
- Ymmärtää, miten paikallinen tiedonjako vaikuttaa federoituun oppimiseen
- Tutustu korkean tason kehykseen, kuten TensorFlow
Odotettu valmistelu
Oppimistapahtumat valmistuvat ennen
Pakollinen opiskelijoille
- Opiskelijalla tulisi olla perusymmärrys syväoppimisen käsitteistä ja tekniikoista
- Syväoppimisen perusymmärrys (SGD, backpropagation-algoritmi) ja arviointitekniikat
Valinnainen opiskelijoille
- Vähän tietoa TensorFlow-kehyksestä ja Python-ohjelmointikielestä
Referenssejä ja taustaa opiskelijoille
Suositellaan opettajille
Oppituntimateriaalit
Ohjeita opettajille
- Tarjoa käytännön luento, jossa opiskelijat voivat oppia ohjatuista harjoituksista
- Ehdota ponnahdusikkunoita
Hahmotella
| Kesto | Kuvaus | Käsitteet | Aktiivisuus |
|---|---|---|---|
| 20 min | Viitekehyksen johdanto: kuinka koodata yksinkertainen federoitu oppimisjärjestelmä | Työkalujen käyttöönotto | Johdanto päätyökaluihin |
| 60 min | Federated Training: helppo tapa. Miten soveltaa junamalleja federoidun oppimisen avulla iid-paikallistietojen perusteella | Federated Keskiarvo | Käytännön istunto ja työskentelyesimerkkejä |
| 60 min | Yhdysvaltalainen koulutus: vaikeaan suuntaan. Miten heterogeenisuus vaikuttaa Federated Averageiin ja mitä voimme tehdä | Federatiiviseen oppimiseen liittyvät haasteet | Käytännön istunto ja työskentelyesimerkkejä |
| 10 min | Johtopäätökset, kysymykset ja vastaukset | Yhteenveto | Päätelmät |
Tunnustukset
Human-Centered AI Masters -ohjelmaa rahoitettiin Euroopan unionin Verkkojen Eurooppa -välineestä (CEF-TC-2020–1 Digital Skills 2020-EU-IA-0068).