문의를 보내주셔서 감사합니다! 팀원이 곧 연락드리겠습니다.
예약을 보내주셔서 감사합니다! 저희 팀 멤버 중 한 분이 곧 연락드리겠습니다.
코스 개요
연합 학습 입문
- 기존 AI 훈련 방식과 연합 학습의 차이점 설명
- 연합 학습의 핵심 원리와 장점 소개
- 엣지 AI 환경에서의 연합 학습 활용 사례 안내
연합 학습 아키텍처 및 작동 원리
- 클라이언트-서버형 및 피어투피어형 연합 학습 모델 설명
- 데이터 분할과 분산형 모델 훈련 방식 설명
- 통신 프로토콜 및 모델 집계 전략 소개
TensorFlow Federated을 활용한 연합 학습 구현
- 분산형 AI 훈련 환경에서 TensorFlow Federated 설정 방법
- Python 기반으로 연합 학습 모델 제작 방법
- 엣지 기기에서의 연합 학습 시뮬레이션 수행법
PyTorch와 OpenFL을 활용한 연합 학습 실습
- 연합 학습에 사용되는 OpenFL 프레임워크 소개
- PyTorch 기반 연합 학습 모델 구현 방법
- 사용자 요구에 맞는 연합 집계 방식 커스터마이징법
엣지 AI 환경에서의 성능 최적화 기법
- 연합 학습을 위한 하드웨어 가속 기술 설명
- 통신 부하와 지연 시간 감소 방안 안내
- 리소스가 제한된 기기에서의 적응형 학습 전략 설명
연합 학습 환경에서의 데이터 프라이버시 및 보안 문제
- 안전한 집계 기법, 차등적 프라이버시, 동형암호 등 개인정보 보호 기술 소개
- 연합 AI 모델에서 발생할 수 있는 데이터 유출 위험에 대한 대응 방안
- 관련 법규 준수 및 윤리적 고려사항 설명
연합 학습 시스템의 실제 배포 방법
- 실제 엣지 기기에서 연합 학습 환경 구축법
- 연합 모델의 지속적인 모니터링 및 업데이트 방법
- 기업 환경에서 다수 기기를 대상으로 한 연합 학습 확장 방안
향후 발전 동향과 실제 사례 분석
- 연합 학습 및 엣지 AI 분야의 최신 연구 동향 안내
- 의료, 금융, IoT 산업에서의 실제 활용 사례 소개
- 연합 학습 솔루션 고도화를 위한 향후 추진 방향 설명
요약 및 다음 단계 제안
요건
- 머신러닝 및 딥러닝 개념에 대한 충분한 이해
- Python 프로그래밍 경험과 PyTorch, TensorFlow 등 AI 프레임워크 활용 능력
- 분산 컴퓨팅 및 네트워킹 기초 지식
- AI 분야에서의 데이터 프라이버시와 보안 개념에 대한 이해
대상 수강생
- AI 연구자
- 데이터 과학자
- 보안 전문가
21 시간
회원 평가 (1)
고급 주제를 다루고 실제 사례를 통해 실습할 수 있습니다.
Ruben Khachaturyan - iris-GmbH infrared & intelligent sensors
코스 - Advanced Edge AI Techniques
기계 번역됨
