2016年是人工智能（ArtificiaIntelligence，AI）成熟的一年。随着AlphaGo击败人类顶级围棋手，我们真正见证了人工智能的巨大潜力，并开始期待更复杂、更尖端的人工智能技术可以应用在更多的领域，包括无人驾驶、生物医疗、金融等。
如今，人工智能技术在各行各业都显示出了优势。人们自然希望像AlphaGo这样的由大数据驱动的人工智能技术能够很快在生活中应用起来。然而，现实有些令人失望：除了少数行业，大多数领域只拥有有限的数据或质量较差的数据，这使AI技术的落地比我们想象的更困难。是否通过跨组织传输数据，将数据融合在一个公共站点中呢？
事实上，在许多情况下，打破数据源（数据拥有者）之间的障碍是非常困难的，甚至是不可能的。一般来说，任何AI项目所需的数据都包含多种类型。例如，在人工智能技术驱动的产品推荐服务中，产品销售者拥有产品信息、用户购买数据，但没有描述用户购买能力和支付习惯的数据。在大多数行业中，数据以孤岛的形式存在。
近年来，随着隐私保护及数据安全法律法规的逐渐完善，数据孤岛问题变的日益严峻。为解决联合建模的需求和数据隐私保护之间的矛盾，联邦学习（Federated Learning）作为其中一种技术上的解决方案备受学术界和工业界人士的关注。本文将全面的介绍联邦学习相关知识以及在金融行业的项目实战。
- 课程内容涵盖横向联邦学习、纵向联邦学习、联邦迁移学习三大模型架构，包含联邦学习在视觉、医疗、金融、隐私计算、政务服务等应用案例的讲解。
- 学员使用联邦学习框架与算法，实践金融领域隐私计算与风险检测的任务。
- 行业内多年一线从业经验科学家或科研学者、工程师讲授，并配有背景优秀经验丰富的助教，致力于带来最优质的学习体验。课程内容经过前期数百小时的打磨设计，保证内容和项目节点设置合理，真正做到学有所得。
- 顺利完课后，优秀学员可获得京东、百度等互联网大厂联邦学习工程师岗位的合作内推面试机会。
▶全面掌握联邦学习领域的知识，灵活应用在自己工作中▶能够了解联邦学习框架的实现方式，并熟练掌握其关键技术与方法▶深入理解前沿的联邦学习技术，拓宽工作和研究的技术视野▶短期内对一个领域有全面且系统的认识，大大节省学习时间对课程有意向的同学
扫描二维码咨询
讲解联邦学习定义、联邦学习分类、联邦学习的研究进展、联邦学习开源平台、联邦学习中使用的隐私保护技术、隐私计算基础知识等内容。讲解分布式机器学习的定义、分布式机器学习算法、分布式机器学习到联邦学习的演进等内容。讲解横向联邦学习的定义、横向联邦学习架构、横向联邦学习算法、横向联邦学习的优化等内容。讲解使用隐私计算构建金融领域风控模型的流程、分析等内容。讲解纵向联邦学习的定义、纵向联邦学习架构、纵向联邦学习算法、纵向联邦学习的优化等内容。讲解联邦迁移学习的定义、联邦迁移学习架构、联邦迁移学习算法、联邦迁移学习的优化等内容。
主题：隐私计算、联邦学习在不同领域的应用及前沿研究讲解隐私计算和联邦学习在不同领域的应用案例、研究内容、面临问题等内容。例如计算机视觉领域的联邦学习目标检测网络；政务领域的差分隐私数据共享；智能物联网中的联邦学习用户行为预测；医疗领域的联邦学习健康分析、同态加密基因分析；金融领域的联邦学习反欺诈、隐私求教联合风控等。- 联邦学习应用案例（计算机视觉领域的联邦学习目标检测网络，政务领域的差分隐私数据共享，智能物联网中的联邦学习用户行为预测，医疗领域的联邦学习健康分析等）
讲解使用联邦学习构建金融领域风险监测模型的流程、结果分析等内容。
项目内容描述：讲解联邦学习和隐私计算相关的概念、联邦学习和隐私计算的发展、联邦学习的基础技术（隐私保护技术和分布式学习技术）、横向联邦学习定义、横向联邦学习架构及算法详解，最终使用隐私计算构建金融领域风控模型。熟悉联邦学习和隐私计算相关知识和基本概念，熟悉横向联邦学习定义及架构，学会横向联邦学习算法并基于隐私计算实现金融领域风险监测。项目内容描述：讲解纵向联邦学习定义、纵向联邦学习架构及算法详解，讲解联邦迁移学习定义、联邦迁移学习架构及算法详解，讲解联邦学习在业界的应用现状和典型案例，最终使用开源框架FATE实现一个金融领域风险监测模型的构建。
熟悉纵向联邦学习、联邦迁移学习定义及架构，学会纵向联邦学习、联邦迁移学习算法，并基于开源框架FATE实现一个金融领域风险监测模型。对课程有意向的同学
扫描二维码咨询
在SCI Q1、EI、核心等不同级别的国内外著名期刊发表论文十余篇，受理及授权发明专利5项，软件著作权3项参与国家863计划、公安部应用创新计划等科研课题，主持绿色发展大数据决策北京市重点实验室、北航金华北斗应用研究院、清华联合研究院等多项科研课题14年人工智能, 数字图像处理和推荐系统领域研究和项目经验曾任独角兽金科集团首席数据科学家、美国亚马逊和高盛的高级工程师先后在AAAI、KDD、AISTATS、CHI等国际会议上发表过15篇以上论文
对课程有意向的同学
扫描二维码咨询
