Übersicht
Worum es bei diesem Projekt geht.
Implementiere FedAvg, FedProx und Secure Aggregation für ein Auto-Zulieferer-Konsortium und erhalte ein verifizierbares Zertifikat.
Das Szenario
Das Konsortium (Zulieferer-Allianz mit gemeinsamem Forschungs-Budget von rund 2,8 Mio. EUR) hat in den letzten 18 Monaten zweimal vergeblich versucht, eine gemeinsame Datenkooperation aufzusetzen — beide Male sind die Versuche an Datenschutz-Bedenken gescheitert.
Das Briefing
Was Du tust und was Du zeigst.
Erreicht ein Federated-Learning-Setup mit Secure Aggregation für drei nicht-IID-Automotive-Clients eine produktionsreife Modell-Qualität gegen ein zentrales Baseline?
Earning criteria — what you'll demonstrate
- Federated Learning auf nicht-IID-Daten praktisch zum Konvergieren bringen
- Secure Aggregation als kryptografische Schutz-Schicht implementieren
- Trade-offs zwischen Privacy-Schutz und Modell-Qualität quantifizieren
- Eine kollaborative ML-Architektur für Wettbewerber-Partner designen
Studienpassung
Wo dies in Dein Studium passt.
Schärft dieselben Fähigkeiten, die Dein Studium von Dir erwartet.
Studienzuordnung folgt in Kürze.
Fähigkeiten
Fähigkeiten, die Du unter Beweis stellst.
Jede taucht auf Deinem verifizierten Zertifikat auf.
- Federated Learning
Apply federated learning to solve real industry problems and demonstrate production-level capability.
- Fedavg
Apply fedavg to solve real industry problems and demonstrate production-level capability.
- Fedprox
Apply fedprox to solve real industry problems and demonstrate production-level capability.
- Secure Aggregation
Apply secure aggregation to solve real industry problems and demonstrate production-level capability.
- Non Iid Data
Apply non iid data to solve real industry problems and demonstrate production-level capability.
- Pytorch
Apply pytorch to solve real industry problems and demonstrate production-level capability.
Karrieren
Berufe, auf die dies Dich vorbereitet.
Echte Berufsbezeichnungen. Echte Skill-Brücken. Wähle die, die Deinem Werdegang am nächsten kommt.
KI-Sicherheits-Forscher:in
Federated Learning + Secure Aggregation ist ein hochspezialisiertes Profil, das in Privacy-Engineering-Teams und EU-AI-Forschungsprojekten direkt gesucht wird.
Dieses Projekt schärft
- federated-learning
- secure-aggregation
- fedprox
ML-Forscher:in
Non-IID-FL-Forschung mit publikationsfähigem Vergleich ist ein konferenz-nahes Profil (FL@FedCSIS, FedML-Workshops), das für Research-Tracks qualifiziert.
Dieses Projekt schärft
- federated-learning
- non-iid-data
- fedavg
MLOps-Ingenieur:in
Multi-Client-FL-Orchestrierung ist eine fortgeschrittene MLOps-Disziplin, die in Industrie-Konsortien immer wichtiger wird.
Dieses Projekt schärft
- federated-learning
- pytorch
- secure-aggregation
Noch eine Sache