Vielen Dank für die Zusendung Ihrer Anfrage! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Vielen Dank, dass Sie Ihre Buchung abgeschickt haben! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Schulungsübersicht
Einführung in Federated Learning
- Überblick über Federated Learning
- Grundlegende Konzepte und Vorteile
- Federated Learning im Vergleich zum herkömmlichen maschinellen Lernen
Datenschutz und Sicherheit in der KI
- Verständnis von Datenschutzproblematiken im Zusammenhang mit KI
- Rechtliche Rahmenbedingungen und Compliance (z. B. DSGVO)
- Einleitung in datenschutzfördernde Techniken
Federated Learning-Techniken
- Umsetzung von Federated Learning mit Python und PyTorch
- Erstellung datenschutzkonformer Modelle mithilfe spezialisierter Federated Learning-Frameworks
- Hauptherausforderungen bei Federated Learning: Kommunikation, Rechenleistung und Sicherheit
Praktische Anwendungsbereiche von Federated Learning
- Federated Learning im Gesundheitswesen
- Federated Learning in der Finanz- und Bankenbranche
- Federated Learning bei mobilen Geräten sowie IoT-Systemen<\/li>
Fortgeschrittene Themen des Federated Learnings
- Einführung in die differenziell-privacy-orientierte Methodik im Kontext von Federated Learning
- Sichere Aggregations- und Verschlüsselungstechniken
- Zukünftige Entwicklungen und Trends in diesem Bereich<\/li>
Fallstudien und praktische Anwendungen
- Fallbeispiel: Implementierung von Federated Learning im Gesundheitswesen
- Praktische Übungen unter Verwendung realer Datensätze
- Praktische Projekte und Umsetzungsaufgaben<\/li>
Zusammenfassung sowie weitere Vorgehensweisen
Voraussetzungen
- Grundkenntnisse im Bereich maschinelles Lernen
- Basiswissen über Datenschutzgrundsätze
- Erfahrung in der Programmierung mit Python
Zielgruppe
- Datenschutzingenieure
- Spezialisten für KI-Ethik
- Verantwortliche für Datenschutzfragen
14 Stunden
