Programa do Curso

Introdução à Federated Learning na IdC e à Edge Computing

  • Visão geral de Federated Learning e das suas aplicações na IdC
  • Principais desafios na integração de Federated Learning com a computação de ponta
  • Benefícios da IA descentralizada em ambientes IoT

Técnicas de Federated Learning para dispositivos IoT

  • Implementação de modelos Federated Learning em dispositivos IoT
  • Tratamento de dados não IID e recursos computacionais limitados
  • Otimização da comunicação entre dispositivos IoT e servidores centrais

Tomada de decisões em tempo real e redução da latência

  • Melhorar as capacidades de processamento em tempo real em ambientes periféricos
  • Técnicas para reduzir a latência em sistemas Federated Learning
  • Implementação de modelos de IA de ponta para uma tomada de decisões rápida e fiável

Garantir a privacidade dos dados em sistemas IoT federados

  • Técnicas de privacidade de dados em modelos de IA descentralizados
  • Gerir a partilha de dados e a colaboração entre dispositivos IoT
  • Conformidade com os regulamentos de privacidade de dados em ambientes IoT

Estudos de caso e aplicações práticas

  • Implementações bem sucedidas de Federated Learning na IoT
  • Exercícios práticos com conjuntos de dados da IoT do mundo real
  • Exploração de tendências futuras em Federated Learning para a IoT e a computação periférica

Resumo e próximos passos

Requisitos

  • Experiência no desenvolvimento de IoT ou de computação periférica
  • Conhecimentos básicos de IA e de aprendizagem automática
  • Familiaridade com sistemas distribuídos e protocolos de rede

Público-alvo

  • Engenheiros de IoT
  • Especialistas em computação de ponta
  • Programadores de IA
 14 Horas

Próximas Formações Provisórias

Categorias Relacionadas