Course Outline

Federated Learning 소개

  • 기존 AI 훈련과 연합 학습의 개요
  • 연합 학습의 핵심 원칙 및 장점
  • Edge AI 애플리케이션에서의 연합 학습의 사용 사례

Federated Learning 아키텍처 및 워크플로

  • 클라이언트-서버 및 피어투피어 연합 학습 모델 이해
  • 데이터 분할 및 분산 모델 학습
  • Communication 프로토콜 및 집계 전략

TensorFlow Federated를 사용하여 Federated Learning 구현

  • 분산 AI 학습을 위한 TensorFlow Federated 설정
  • Python를 사용하여 연합 학습 모델 구축
  • 에지 디바이스에서 연합 학습 시뮬레이션

Federated Learning PyTorch 및 OpenFL 포함

  • 연합 학습을 위한 OpenFL 소개
  • PyTorch 기반 연방 모델 구현
  • 연합 집계 기술 사용자 정의

Edge AI에 대한 성능 최적화

  • 연합 학습을 위한 하드웨어 가속
  • 통신 오버헤드 및 대기 시간 감소
  • 리소스가 제한된 장치를 위한 적응형 학습 전략

Federated Learning의 데이터 개인정보 보호 및 보안

  • 개인정보 보호 기술(보안 집계, 차등 개인정보 보호, 동형 암호화)
  • 연합 AI 모델에서 데이터 유출 위험 완화
  • 규정 준수 및 윤리적 고려 사항

Federated Learning 시스템 배포

  • 실제 에지 디바이스에서 연합 학습 설정
  • 페더레이션 모델 모니터링 및 업데이트
  • 엔터프라이즈 환경에서 연합 학습 배포 확장

미래 트렌드 및 사례 연구

  • 연합 학습 및 Edge AI의 새로운 연구
  • 의료, 금융 및 IoT 분야의 실제 사례 연구
  • 연합 학습 솔루션 발전을 위한 다음 단계

요약 및 다음 단계

Requirements

  • 머신 러닝과 딥 러닝 개념에 대한 강력한 이해
  • Python 프로그래밍 및 AI 프레임워크(PyTorch, TensorFlow 또는 유사)에 대한 경험
  • 분산 컴퓨팅 및 네트워킹에 대한 기본 지식
  • AI의 데이터 프라이버시 및 보안 개념에 대한 지식

청중

  • AI 연구자
  • 데이터 과학자
  • 보안 전문가
 21 Hours

Number of participants


Price per participant

Upcoming Courses

Related Categories