OpenTalks.AI /
6-7 Марта 2024,
Тбилиси

Для построения качественных моделей машинного обучения часто нужно много данных. В мире огромное количество данных, которое растет каждый день. Однако на них могут распространяться законы о персональных данных. Также данные могут занимать много места и их фактически невозможно собрать в централизованное хранилище для последующего обучения. Решить эти проблемы помогает один из подходов коллаборативного обучения, который получил название Federated Learning. Он позволяет обучать модели на распределенных данных, не пересылая сами данные и не нарушая их приватности. Вместо того чтобы отправлять данные к моделям, в федеративном обучении мы отправляем модели к данным. В рамках данного туториала мы познакомимся с Python open-source библиотекой для федеративного обучения – OpenFL (https://github.com/intel/openfl). Посмотрим новый функционал библиотеки, построим свою федеративную сеть для обучения на распределенных данных и разберем несколько примеров ее применения.

Сейчас, когда в машинном обучении идет битва за стоимость и эффективность вычислений, как в обучении так и в инференсе, бизнес все больше обращается к аппаратному стеку Huawei, где есть и мощные ускорители и программные инструменты реализации нейронных сетей. Однако, пока очень мало разработчиков знакомы с этим железом и софтом. А те, кто умеет работать с ним, получают новые перспективы развития и роста.

На этом семинаре мы разберем фреймворк Mindspore – это новое поколение фреймворков для разработки и обучения нейронных сетей, который стал стандартом де-факто в Китае. Мы расскажем про особенности фреймворка, его уникальные возможности и работу на чипах Huawei Ascend. Также мы вместе создадим нейронную сеть на основе архитектуры LeNET в этом фреймворке и обучим ее распознавать рукописные символы. Работа будет выполняться непосредственно на чипах Ascend, развернутых в облаке.