Federated Learning: Künstliche Intelligenz und Datenschutz vereint
Viel hilft viel: Dieses Prinzip gilt längst nicht immer. Bei der Entwicklung von Machine-Learning-Modellen hingegen schon. Qualität und Güte von Algorithmen sind untrennbar mit der verfügbaren Menge relevanter Daten verbunden. Genau dies ist eine der größten Hürden bei der Umsetzung von Data-Science-Projekten.
Ein Lösungsansatz hierfür ist Federated Learning. Federated Learning ist eine Technik des verteilten Maschinellen Lernens, die eine hohe Modellgüte bei gleichzeitigem Schutz der zugrunde liegenden Trainingsdaten ermöglicht. Für Unternehmen mit begrenzter Datenbasis kann Federated Learning der Türöffner im Hinblick auf die Entwicklung datengetriebener Prozesse und Services sein.
Vorkenntnisse
- Grundkenntnisse des Machine Learnings – keine tiefergehenden Vorkenntnisse erforderlich
Lernziele
- Vermittlung der Hintergründe und Mehrwerte von Federated Learning
- Erläuterung der optimalen Rahmenbedingungen für den Einsatz von Federated Learning anhand von Praxisbeispielen
- Vorstellung der wichtigsten Frameworks und Funktionsweisen