Administrativne informacije
| Naslov | Federated Learning – Vlak duboki modeli |
| Trajanje | 150 min |
| Modul | C |
| Vrsta lekcija | Praktičan |
| Fokus | Tehnička – buduća umjetna inteligencija |
| Tema | Napredak u ML modelima kroz HC objektiv – Rezultat orijentirana studija |
Ključne riječi
Federated Learning,Tensorflow,
Ciljevi učenja
- Razumjeti kako trenirati modele pomoću okvira Federated Learning
- Razumjeti kako lokalna distribucija podataka utječe na federirano učenje
- Poznavanje okvira na visokoj razini kao što je TensorFlow
Očekivana priprema
Edukativni događaji koji će biti završeni prije
Obvezno za studente
- Učenici trebaju imati osnovno razumijevanje koncepata i tehnika dubokog učenja
- Osnovno razumijevanje osposobljavanja za duboko učenje (SGD, algoritam pozadinske propagacije) i tehnika evaluacije
Neobvezno za studente
- Malo znanja TensorFlow okvira i Python programskog jezika
Preporuke i pozadina za studente
Preporučeno nastavnicima
Nastavni materijali
Upute za učitelje
- Osigurajte praktično predavanje na kojem učenici mogu učiti iz vođenih vježbi
- Predložiti skočne kvizove
Nacrt
| Trajanje | Opis | Koncepti | Aktivnost |
|---|---|---|---|
| 20 min | Uvod u okvir: kako kodirati jednostavan federirani sustav učenja | Uvod alata | Uvod u glavne alate |
| 60 min | Organizirana obuka: na jednostavan način. Kako primijeniti modele osposobljavanja s udruženim učenjem na temelju iid lokalnih podataka | Federated Average | Praktični sastanci i primjeri rada |
| 60 min | Organizirano osposobljavanje: na teži način. Kako heterogenost utječe na Federated Average i što možemo učiniti? | Izazovi povezani s Federiranim učenjem | Praktični sastanci i primjeri rada |
| 10 min | Zaključak, pitanja i odgovori | Sažetak | Zaključci |
Priznanja
Diplomski studij umjetne inteligencije usmjeren na čovjeka sufinanciran je Instrumentom za povezivanje Europe Europske unije u okviru bespovratnih sredstava CEF-TC-2020 – 1 Digital Skills 2020-EU-IA-0068.