Federated Learning – die Lösung für Datenschutz, Datenhoheit und Performance

Beim Federated Learning werden die einzelnen Datenanalysemodelle unterschiedlicher Akteure in einem zentralen Modell zusammengeführt. Das Entscheidende dabei: Es werden nur die vollständig anonymisierten Modellparameter und nicht die Daten ausgetauscht.

Oliver Bracht und Martin Schneider erklären anhand ihrer jahrelangen Praxiserfahrungen die Hintergründe und Erfolgsfaktoren von Federated Learning. Außerdem werden Anwendungsgebiete von Federated Learning wie die Analyse von Sensordaten in der Industrie 4.0 oder die Optimierung der Smartphone-Autovervollständigung und relevante Framework wie TensorFlow Federated und PySyft vorgestellt.

Vorkenntnisse

Die Besucher sollten Grundkenntnisse im Bereich Machine Learning mitbringen.

Lernziele

Die TeilnehmerInnen erhalten einen grundlegenden Einstieg in das Thema und sind danach in der Lage, einschätzen zu können, wie business-fähig Federated Learning bereits heute ist. Außerdem werden ihnen die konkreten ersten Schritten für den erfolgreichen praktischen Einsatz von Federated Learning vermittelt.