Федеративное обучение

О курсе

Освойте передовые методы машинного обучения с нашим онлайн-курсом по Федеративному обучению! Этот курс предназначен для специалистов по данным, разработчиков и исследователей, желающих углубить свои знания в области распределенного машинного обучения.

Вы изучите фундаментальные концепции федеративного обучения, начиная с распределения данных и проблем, связанных с обучением на них. Мы подробно рассмотрим архитектуру и масштабирование федеративных систем, различные топологии и стратегии обучения. Особое внимание уделяется вопросам безопасности, включая анализ угроз, классификацию атак на федеративные системы и современные методы защиты, такие как дифференциальная приватность и шифрование данных.

Цели и задачи

Разберетесь с концепцией Data Mesh и ее ролью в федеративном обучении.

Изучите различные методы распределения данных:

Горизонтальное распределение
Вертикальное распределение
Гибридное распределение

Освойте классификацию и масштабирование федеративных систем.

Научитесь применять федеративное обучение на практике.

Глубоко погрузитесь в вопросы безопасности федеративного обучения, включая:

Анализ атак
Методы защиты

Узнаете о:

Дифференциальной приватности
Шифровании данных в федеративном обучении

Структура курса

Модуль 1. Введение в Федеративное обучение
- Тема 1.1. Распределенные данные
- Тема 1.2. Проблема обучения на распределенных данных
- Тема 1.3. Новая концепция Сеть данных (Data Mesh)
- Тема 1.4. Федеративное обучение
- Тема 1.5. Клавиатура GBoard
Модуль 2. Распределение данных
- Тема 2.1. Виды распределение данных
- Тема 2.2. Горизонтальное распределение
- Тема 2.3. Вертикальное распределение
- Тема 2.4. Гибридное распределение
Модуль 3. Системы федеративного обучения
- Тема 3.1. Классификация систем федеративного обучения
- Тема 3.2. Масштабирование систем федеративного обучения
- Тема 3.3. Топологии систем федеративного обучения
- Тема 3.4. Стратегии обучения в системах федеративного обучения
- Тема 3.5. Применение федеративного обучения
Модуль 4. Безопасность федеративного обучения
- Тема 4.1. Цели и задачи злоумышленника
- Тема 4.2.1. Классификация атак
- Тема 4.2.2. Атаки на федеративное обучение
- Тема 4.3.1. Методы защиты машинного обучения
- Тема 4.3.2. Методы повышения устойчивости алгоритмов машинного обучения
- Тема 4.4. Дифференциальная приватность
- Тема 4.5. Шифрование данных в федеративном обучении
- Тема 4.6. Доверенная среда выполнения

Целевая аудитория

Этот курс идеально подходит как для начинающих, так и для опытных специалистов, желающих расширить свои навыки в области современного машинного обучения.

Авторы курса

Холод Иван Иванович

д.т.н., доцент, декан факультета компьютерных технологий и информатики Санкт-Петербургского государственного электротехнического университета «ЛЭТИ» им. В.И. Ульянова (Ленина)

Новикова Евгения Сергеевна

к.т.н., доцент, доцент кафедры информационных систем Санкт-Петербургского государственного электротехнического университета «ЛЭТИ» им. В.И. Ульянова (Ленина), старший научный сотрудник лаборатории проблем компьютерной безопасности СПб ФИЦ РАН