문의를 보내주셔서 감사합니다! 팀원이 곧 연락드리겠습니다.
예약을 보내주셔서 감사합니다! 저희 팀 멤버 중 한 분이 곧 연락드리겠습니다.
코스 개요
핵심 개념 Federated Learning 검토
- 기본 Federated Learning 방법론 요약
- Federated Learning의 과제: 통신, 계산 및 개인 정보 보호
- 고급 Federated Learning 기술 소개
Federated Learning에 대한 최적화 알고리즘
- Federated Learning의 최적화 과제 개요
- 고급 최적화 알고리즘: Federated Averaging(FedAvg), Federated SGD 등
- 대규모 연방 시스템을 위한 최적화 알고리즘 구현 및 튜닝
Federated Learning에서 비 IID 데이터 처리
- 비 IID 데이터 이해 및 Federated Learning에 미치는 영향
- 비 IID 데이터 배포 처리를 위한 전략
- 사례 연구 및 실제 적용
Federated Learning 시스템 확장
- Federated Learning 시스템 확장의 과제
- 확장을 위한 기술: 아키텍처 설계, 통신 프로토콜 등
- 대규모 Federated Learning 애플리케이션 배포
고급 개인 정보 보호 및 보안 고려 사항
- 고급 Federated Learning의 개인 정보 보호 기술
- 안전한 집계 및 차등 개인 정보 보호
- 대규모 Federated Learning에서의 윤리적 고려사항
사례 연구 및 실제 응용 프로그램
- 사례 연구: 의료 분야의 대규모 Federated Learning
- 고급 Federated Learning 시나리오를 통한 실습
- 실제 프로젝트 구현
Federated Learning의 미래 동향
- Federated Learning의 새로운 연구 방향
- 기술의 발전과 Federated Learning에 미치는 영향
- 미래의 기회와 도전을 탐색하다
요약 및 다음 단계
요건
- 머신러닝 및 딥러닝 기술에 대한 경험
- 기본 Federated Learning 개념 이해
- Python 프로그래밍에 대한 능숙함
청중
- 경험이 풍부한 AI 연구자
- 머신러닝 엔지니어
- 데이터 과학자
21 시간
