연합 학습 연구 동향

연합 학습 연구 동향 Certificate

Recruiting People999 people

Learning period03-01-2024 ~ 12-31-2024

Class Introduction

강의 소개 및 개요입니다.

성명	이정혜, 한석주	소속기관	UNIST
과목명	연합 학습 연구 동향	강의시간	7
학습목표	1. 연합 학습의 세부 연구 분야 및 최신 연구 동향에 대해서 알 수 있다. 2. 연합 학습에서 연구가 필요한 다양한 문제들(보안 및 프라이버시, 통계적 이질성, 개인화)에 대해 알아보고, 최신 연구 동향에 대해 알 수 있다.

강의 선수과목 및 준비사항입니다.

선수과목

참고자료

Advances and Open Problems in Federated Learning (2019; Kairouz et al.)

Federated Learning: Challenges, Methods, and Future Directions (2019; Li et al.)

준비사항

노트북

Course Introduction

연합 학습 연구 동향 강의 과정입니다.

1	연합 학습 실활용에서 고려해야할 여러 이슈들에 대한 소개 -연합 학습 실활용에서 고려해야할 여러 이슈들에 대한 소개 -Privacy 보존 방법론 (익명화, 비식별화, 차등정보보호) 및 Security 방법론 (Multiparty Computation, Homomorphic Encryption) 개념 소개
2	관련 연구 사례 소개 -Privacy와 Security를 동시에 만족하는 분산 학습 연구 사례 소개 (Privacypreserving and Secure Distributed Learning)
3	관련 연구 사례 소개 -Deep Learning 기법들을 활용하여 Privacy 문제를 우회하는 연합 학습 연구 사례 소개 (질병 예측 문제)
4	관련 연구 사례 소개 -Hashing 기법을 활용하여 Privacy 문제를 우회하는 연합 학습 연구 사례 소개 (유사 환자 검색)
5	Non-IID한 상황에서의 연합 학습 연구 동향 소개 -연합 학습 실험을 위해 non-IID하게 데이터를 나누는 방법에 대한 선행 연구 및 벤치마크 데이터셋 소개 -Non-IID하게 데이터가 분포한 상황에서 연합 학습을 수행하기 위해 제안된 연구 (FedProx, SCAFFOLD, FedDyn, FedBN, PFNM, FedMA) 소개
6	개인화(Personalization)를 위한 연합 학습 연구 동향 소개 -개인화를 위한 연합 학습 (Personalized Federated Learning) 개념 및 연구 갈래 소개 -클러스터링 기반, 멀티 태스크 러닝 기반, 모델 내삽 기반, 메타 러닝 기반, 기타 분류의 개인화를 위한 연합 학습 연구 소개
7	연합 학습을 실제 서비스에 응용하기 위한 연구 및 사례 소개 -Cross-device 환경에서의 연합 학습 응용 연구 및 서비스 소개 -Cross-silo 환경에서의 연합 학습 응용 연구 및 서비스 소개

Classification

Subject

Machine Learning
Class Area

AI & Programming
Practice

Nothing
Utilize

기타

Professor

Back to Previous Page