Administratívne informácie
| Názov | Federated Learning – Vlak hlboké modely |
| Trvanie | 150 min. |
| Modul | C |
| Druh lekcie | Praktické |
| Zameranie | Technická – Budúca umelá inteligencia |
| Téma | Pokroky v modeloch ML prostredníctvom šošovky HC – Výsledok orientovaná štúdia |
Kľúčové slová
Federované učenie, Tensorflow,
Vzdelávacie ciele
- Pochopiť, ako trénovať modely pomocou Federated Learning Framework
- Pochopenie toho, ako lokálna distribúcia údajov ovplyvňuje federované vzdelávanie
- Zoznámiť sa s rámcom na vysokej úrovni, ako je TensorFlow
Očakávaná príprava
Naučte sa udalosti, ktoré treba dokončiť predtým
Povinné pre študentov
- Študenti by mali mať základné vedomosti o koncepciách a technikách hlbokého učenia.
- Základné chápanie hĺbkového vzdelávania (SGD, algoritmus spätného šírenia) a hodnotiace techniky
Voliteľné pre študentov
- Trochu znalosti programovacieho jazyka TensorFlow a programovacieho jazyka Python
Referencie a zázemie pre študentov
Učebné materiály
Pokyny pre učiteľov
- Poskytnite praktickú prednášku, kde sa študenti môžu učiť z cvičenia so sprievodcom
- Navrhnúť pop-up kvízy
Obrysy
| Trvanie | Popis | Koncepty | Činnosť |
|---|---|---|---|
| 20 minút | Úvod do rámca: ako kódovať jednoduchý federovaný vzdelávací systém | Zavedenie nástrojov | Úvod do hlavných nástrojov |
| 60 minút | Federovaný výcvik: jednoduchý spôsob. Ako aplikovať modely vlakov s federovaným vzdelávaním na základe miestnych údajov iid | Federálny priemer | Praktické zasadnutie a pracovné príklady |
| 60 minút | Federovaný výcvik: ťažký spôsob. Ako heterogénnosť ovplyvňuje Federovaný priemer a čo môžeme robiť? | Výzvy spojené s federatívnym vzdelávaním | Praktické zasadnutie a pracovné príklady |
| 10 minút | Záver, otázky a odpovede | Zhrnutie | Závery |
Uznania
Program Masters umelej inteligencie zameraný na človeka bol spolufinancovaný z Nástroja Európskej únie na prepájanie Európy v rámci grantu CEF-TC-2020 – 1 Digitálne zručnosti 2020-EU-IA-0068.