聯邦學習 - AI分散式學習模型
聯邦學習(Federated Learning)是一種聯合多種資料來源與不同的機器學習模型來訓練一個共同機器學習模型的技術。聯邦學習架構的特色是使用本地端數據訓練AI模型，然後將一些重要的數據參數匯總到一個中央模型中進行下一步訓練與模型更新。
例如在醫學研究項目，研究人員需要使用數據訓練一個 AI 模型來預測疾病的可能性。然而，由於隱私和安全問題，病人的數據不能離開醫院研究單位，更不能集中在一起進行訓練。這時聯邦學習就可以派上用場，每個醫院可以使用自己的數據訓練本地端模型，再將關鍵的參數發送到一個中央服務器，以便進一步訓練模型，並使整個模型更加準確和強健。
整體來說，聯邦學習可以讓多個組織或機構之間共享數據和知識，從而更好地訓練機器學習模型，同時保護敏感數據的隱私和安全。
聯邦學習的使用情境
- 醫學研究：醫院可以使用本地數據訓練 AI 模型，以幫助預測病人的風險和診斷疾病。這些模型可以使用聯邦學習來整合和更新，以改進模型的準確性和性能。
- 金融服務：銀行和金融機構可以使用聯邦學習來構建詐騙檢測和評估風險的模型。每個機構可以使用自己的數據來訓練本地模型，然後將關鍵的參數共享到一個中央模型中，以進一步提高整個模型的準確性。
- 城市交通：城市可以使用聯邦學習來訓練智能交通系統，以優化交通流量並減少擁堵。每個區域可以使用本地數據來訓練交通模型，然後將重要的參數集成到一個中央模型中，以進一步優化整個系統。
- 零售業：零售商可以使用聯邦學習來改進推薦系統。每個店鋪可以使用本地數據來訓練推薦模型，然後將一些關鍵的參數匯總到一個中央模型中，以進一步優化整個推薦系統，提高銷售和客戶滿意度。
我可以透過本工作坊學到什麼？
本課程是結合聯邦學習教學與人物重識別(ReID)技術設計的一種實作導向的線上課程。
傳統分散式機器學習的重點在於資料通訊效率與學習效率，而聯邦學習在這之上增加了新的追求：「資料安全性與隱私保護」。
聯邦學習將分散在不同設備或數據中心的數據進行統一訓練，提高了模型的準確性和保護了個人隱私，具有巨大的應用前景。
人物重識別(ReID)是一種用於在多個攝像頭之間識別和匹配人物的技術，它可以幫助監控系統在大型場所中尋找和跟蹤人物。聯邦學習則是一種用於訓練機器學習模型的技術，它可以在不共享數據的情況下，聚合多個設備上的本地數據來訓練全局模型。在一些需要ReID技術的場景中，例如大型商場、學校、酒店等場所，每個攝像頭的數據通常存儲在不同的設備上。使用聯邦學習技術，可以將這些分散在不同設備上的數據匯集到一起，訓練一個更強大的ReID模型。在此過程中，不需要共享數據，可以保護數據的隱私和安全。
本課程將聯邦學習和人物重識別(Person ReID)兩種技術結合，讓人物影像資料可跨不同資料集結合訓練，進一步提高模型性能，同時保護數據隱私。
本課程之重要知識點包括：
1. 聯邦學習入門
2. 建立一個聯邦學習範例，將聯邦學習用於是person ReID問題。
3. 在邊緣端部署聯邦學習
課程內容
第一堂：聯邦學習入門與操作
- 聯邦學習介紹
- 在Colab上模擬聯邦學習
- 聯邦學習的客戶端實現
- Quiz及作業講解
- 問答互動
第二堂：聯邦學習和人物重識別學習與操作
- 人類重識別介紹
- 人類重識別介紹的範例程式碼(Colab)
- 實作：使用GCP實現聯邦學習
- Quiz及作業講解
- 問答互動
