～ Federated Learning（FL）の概要、FLを活用するための機械学習／深層学習の基礎、FLの原理とアルゴリズム、TensorFlowによるFLの実装 ～
・データプライバシーの保護などで近年注目を浴びているFederated Learning（連合機械学習）について基礎から実装技術まで修得するための講座
・FLを理解するために必要な機械学習の基礎からFLの応用例や代表的なアルゴリズムを修得し、機械学習との違いを理解し実務で活用するためのセミナー！
・専門的な数式などを極力減らした講義とGoogle Colab. を用いたデモにより、初学者にも分かりやすく解説します！
※セミナー後にデモで用いたサンプルコードを提供いたします
Federated Learning（FL、連合機械学習）は、複数のサーバや端末に分散したデータを一つに集約したり共有したりすることなく、機械学習モデルの訓練に活用できる新たな手段です。データ漏洩のリスクを低減し、プライバシーデータや機密データも機械学習に活用できる可能性が広がります。
本セミナーでは、機械学習初学者にもわかりやすくFederated Learningを解説します。FLの原理を理解するのに必要な機械学習の基礎知識から始め、FLの応用例や代表的アルゴリズムの解説、技術的課題について、なるべく専門的な数式等は用いずに解説します。Google Colab．を用いた実装デモを行ない、セミナー後にサンプルコードも提供しますので、受講者も自分でコードを動かしながら理解を深めることができます。
| 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 |
・機械学習の初学者や興味をお持ちの方 ・機械学習を使用している方で連合機械学習に関心のある方 ・プライバシーなデータや機密性の高いデータを用いた機械学習を行いたい方 |
| 予備知識 | ・特に必要ありません |
| 修得知識 |
•Federated Learningの原理と特性、簡易な実装方法 （ただし、データ通信部の実装についてはスコープ外とする） |
| プログラム |
１．導入：Federated Learningとは？ （１）．背景 （２）．技術的特徴 （３）．応用事例・実証実験紹介 ａ．Google ｂ．Apple ｃ．NVIDIA
２．機械学習の基礎 （１）．機械学習概説 ａ．機械学習とは？ ｂ．機械学習の種類と特徴 （２）．教師あり学習 ａ．回帰と分類 ｂ．過剰適合と正則化 ｃ．教師あり学習アルゴリズム （３）．深層学習の基礎 ａ．ニューラルネットワークとは ｂ．ニューラルネットワークの学習 ｃ．ニューラルネットワークの種類と特徴 ｄ．Convolutional Neural Network ｅ．様々な学習のテクニック
３．Federated Learningの基礎 （１）．導入 （２）．原理 ａ．システムモデル ｂ．シナリオ ｃ．アルゴリズム ｄ．性能評価 （３）．技術的課題 ａ．通信トラヒック ｂ．Non－IIDデータ （４）．Federated Learningの実装 ａ．TensorFlowを用いた実装例紹介 ｂ．画像分類モデルの学習実験 ｃ．Non－IIDなデータでの学習実験 （５）．技術動向紹介 ａ．Non－IID対策 ｂ．通信トラヒック対策 |
| キーワード |
機械学習 深層学習 連合学習 分散学習 Federated Learning TensrFlow 教師あり学習 画像分類 Non-IID データ漏洩 プライバシーデータ 機密データ 通信トラヒック |
| タグ | 統計・データ解析、AI・機械学習、通信、セキュリティ・暗号、画像、画像処理、画像認識 |
| 受講料 |
一般 (1名)：49,500円(税込)
同時複数申込の場合(1名)：44,000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受付を終了しました。
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
