Federated-Learning-Prototyp für eine DACH-Pharma-Allianz
Übersicht
Worum es bei diesem Projekt geht.
Trainiere ein GNN auf Tox21-Daten mit Flower und FedAvg. Vergleiche AUC und Kosten. Erhalte ein verifizierbares Zertifikat.
Das Briefing
Was Du tust und was Du zeigst.
Wie schneidet ein Federated-Learning-Modell für Toxizitätsvorhersage gegenüber einem zentralisierten Modell ab, und welche Datenschutz- und Kosten-Trade-offs entstehen?
Earning criteria — what you'll demonstrate
- Federated Learning praktisch mit einem realistischen Stack umsetzen
- Graph-Neural-Networks auf molekularen Daten trainieren
- Datenschutz-Trade-offs in FL klar artikulieren und quantifizieren
- Forschungs-Prototypen in eine Stakeholder-relevante Form überführen
Studienpassung
Wo dies in Dein Studium passt.
Schärft dieselben Fähigkeiten, die Dein Studium von Dir erwartet.
Computational Biology and Health Informatics
Master · Cs Se
Fit score: 1
Fähigkeiten
Fähigkeiten, die Du unter Beweis stellst.
Jede taucht auf Deinem verifizierten Zertifikat auf.
Karrieren
Berufe, auf die dies Dich vorbereitet.
Echte Berufsbezeichnungen. Echte Skill-Brücken. Wähle die, die Deinem Werdegang am nächsten kommt.
Karrierewege, die das aufbaut
Kanonische RollenSoftware Engineer
Federated-Learning-Prototypen sind eine seltene Schnittstelle aus Engineering, ML und Datenschutz — Software Engineers mit dieser Erfahrung passen direkt in regulierte AI-Plattform-Teams.
Dieses Projekt schärft
- federated-learning
- python
- bioinformatics
Noch eine Sache