[esta página na wiki][índice][EN][BG][CS][DA][DE][EL][ES][ET][FI][FR][GA][HR][HU][IT][MT][NL][PL][PT][RO][SK][SL][SV]

Prática: Aprendizagem Federada — Treinar modelos profundos

Informações administrativas

Titulo Aprendizagem Federada — Treinar modelos profundos
Duração 150 min
Módulo C
Tipo de aula Prático
Foco Técnico — Futura IA
Tópico Avanços em modelos ML através de uma lente HC — Um Estudo Orientado a Resultados

Palavras-chave

Aprendizagem Federada, Tensorflow,

Objetivos de aprendizagem

Preparação prevista

Eventos de aprendizagem a serem concluídos antes

Obrigatório para os Estudantes

  • Os alunos devem ter uma compreensão básica de conceitos e técnicas de aprendizagem profunda
  • Compreensão básica da formação em aprendizagem profunda (SGD, algoritmo de retropropagação) e técnicas de avaliação

Facultativo para Estudantes

  • Um pouco de conhecimento da estrutura TensorFlow e da linguagem de programação Python

Materiais das aulas

Instruções para os professores

Esboço

Duração Descrição Conceitos Atividade
20 min Introdução ao quadro: como codificar um sistema de aprendizagem federado simples Introdução das ferramentas Introdução às principais ferramentas
60 min Formação Federada: a forma mais fácil. Como aplicar modelos de treino com aprendizagem federada com base em dados locais iid Média Federada Sessão prática e exemplos de trabalho
60 min Formação Federada: a forma difícil. Como a heterogeneidade afeta a Média Federada e o que podemos fazer Desafios ligados à aprendizagem federada Sessão prática e exemplos de trabalho
10 min Conclusão, perguntas e respostas Sumário Conclusões

Agradecimentos

O programa de mestrado em IA centrado no ser humano foi cofinanciado pelo Mecanismo Interligar a Europa da União Europeia ao abrigo de subvenções CEF-TC-2020-1 Competências Digitais 2020-EU-IA-0068.