～ 機械学習の基礎、最適化のアルゴリズム、連合学習のユースケース、連合学習の課題と対策 ～
・セキュリティやデータセット集約の問題に対し有効なFederated Learningを適用し、従来は活用が困難だったデータをAIモデルの作成に活かすための講座！
・機械学習と最適化の基礎、従来の機械学習モデルと連合学習モデルの違いや最新動向を修得し、集約が困難な大規模データやセキュアなデータをAIモデルの学習へ活用しよう！
・連合学習の適用のために課題となる、学習のための通信コストの高さ、データセットの情報の漏洩、悪意のあるクライアントによる攻撃、などへの対策を理解し、連合学習の導入に活かそう！
・機械学習のトップカンファレンスであるICML、NeurIPSにも論文が採択された講師が解説します！
・数学や機械学習に詳しくない方にも、分かりやすく説明します！
・ＷＥＢ会議システムの使い方がご不明の方は弊社でご説明いたしますのでお気軽にご相談ください。
Google が2017年に提唱して以来大きな注目を集めている技術である連合学習の概要をご紹介します。連合学習とは、分散している学習データセットを分散させたままモデルを学習させる手法です。従来の機械学習手法ではセキュリティ上利用が難しかった個人情報や機密情報に対しても、連合学習を利用することでモデル学習を行うことが可能になります。数式をあまり使用せずにご説明しますので、数学や機械学習に詳しくない方でもお気軽にご参加ください。
| 開催日時 |
|
|---|---|
| 開催場所 | オンラインセミナー |
| カテゴリー | オンラインセミナー、ソフト・データ・画像・デザイン |
| 受講対象者 |
・連合学習に興味のある方 ・個人情報・機密情報の機械学習への活用に興味のある方 ・製造業、医療、IT・通信、金融、他 |
| 予備知識 | ・特に必要ありません |
| 修得知識 |
・一般的な機械学習モデルと連合学習モデルとの違い ・連合学習がどう役に立つのか、連合学習のユースケース ・連合学習の適用のための課題と対策の概要 |
| プログラム |
１．機械学習と最適化 （１）．機械学習とは （２）．いろいろな機械学習 ａ．教師あり学習 ｂ．教師なし学習 ｃ．強化学習 （３）．機械学習のための最適化 ａ．最適化とは ｂ．機械学習アルゴリズムの中で使われる最適化 ｃ．SGD（Stochastic Gradient Descent：確率的勾配降下法）
２．連合学習（Federated Learning）のメリットと効果 （１）．連合学習の概要 ａ．連合学習とは ｂ．一般的な機械学習モデルと連合学習モデルとの違い ｃ．連合学習のメリット （２）．連合学習のユースケース ａ．クロスデバイス学習 ｂ．クロスサイロ学習 （３）．連合学習の課題と対策 ａ．通信量の削減 ｂ．プライバシー保護の保証（匿名化、差分プライバシー） ｃ．頑健性の保証（Adversarial Attack） ｄ．パーソナライゼーション （４）．連合学習に関する最近の動向 |
| キーワード | 機械学習 教師あり学習 教師なし学習 最適化 SGD 連合学習 通信量 頑健性の保証 パーソナライゼーション |
| タグ | 統計・データ解析、AI・機械学習、クラウドコンピューティング、セキュリティ・暗号 |
| 受講料 |
一般 (1名)：44,000円(税込)
同時複数申込の場合(1名)：38,500円(税込) |
| 会場 |
オンラインセミナー本セミナーは、Web会議システムを使用したオンラインセミナーとして開催します。 |
こちらのセミナーは現在募集を締め切っております。
次回開催のお知らせや、類似セミナーに関する情報を希望される方は、以下よりお問合せ下さい。
営業時間 月~金：9:00～17:00 / 定休日：土日・祝日
