Upravne informacije
| Naslov | Federated Learning – Vlak globoko modeli |
| Trajanje | 150 min |
| Modul | C |
| Vrsta lekcije | Praktična |
| Osredotočenost | Tehnična – prihodnja umetna inteligenca |
| Tema | Napredek pri modelih ML skozi objektiv HC – študija, usmerjena v rezultate |
Ključne besede
Federated Learning, Tensorflow,
Učni cilji
- Razumeti, kako usposobiti modele z uporabo okvira Federated Learning
- Razumeti, kako lokalna distribucija podatkov vpliva na združeno učenje
- Spoznavanje ogrodja na visoki ravni, kot je TensorFlow
Pričakovana priprava
Učenje Dogodki, ki jih je treba dokončati pred
Obvezno za študente
- Učenci bi morali imeti osnovno razumevanje konceptov in tehnik globokega učenja
- Osnovno razumevanje usposabljanja za globoko učenje (SGD, backpropagation algoritem) in tehnik vrednotenja
Neobvezno za študente
- Nekaj znanja o okviru TensorFlow in programskem jeziku Python
Reference in ozadje za študente
Priporočeno za učitelje
Gradivo za učne ure
Navodila za učitelje
- Zagotovite praktično predavanje, kjer se lahko učenci učijo iz vodenih vaj
- Predlagajte pojavne kvize
Obris
| Trajanje | Opis | Koncepti | Aktivnost |
|---|---|---|---|
| 20 min | Uvod v okvir: kako kodirati preprost združeni učni sistem | Uvod v orodja | Uvod v glavna orodja |
| 60 min | Federativno usposabljanje: najlažji način. Kako uporabljati modele vlaka s kombiniranim učenjem na podlagi iid lokalnih podatkov | Federativno povprečje | Praktična seja in delovni primeri |
| 60 min | Federativno usposabljanje: na težji način. Kako heterogenost vpliva na Federativno povprečje in kaj lahko storimo | Izzivi, povezani s Federativnim učenjem | Praktična seja in delovni primeri |
| 10 min | Zaključek, vprašanja in odgovori | Povzetek | Sklepi |
Priznanja
Program Masters umetne inteligence, ki je bil vključen v človeka, je bil sofinanciran z instrumentom za povezovanje Evrope Evropske unije v okviru nepovratnih sredstev (CEF-TC-2020–1 Digital Skills 2020-EU-IA-0068).