Federated Learning'e Giriş

Federated Learning'e katılın! Bu iki bölümlük kurs serisinde, popüler bir açık kaynaklı çerçeve olan Flower'ı kullanarak bir federated learning (federe öğrenme) sistemi kuracak ve ikinci bölümde özel verilerle LLM'lerin federe ince ayarını (federated fine-tuning) öğreneceksiniz. Federated learning, modellerin veri paylaşımı yapılmadan birden fazla cihaz veya kuruluş genelinde eğitilmesine olanak tanıyarak gizliliği ve güvenliği artırır. Federated learning ayrıca, hassas tuş vuruşlarını merkezi bir sunucuya iletmeden mobil klavyelerde bir sonraki kelime tahmin modellerini eğitmek gibi birçok pratik kullanıma sahiptir. İlk olarak, federe eğitim sürecini, bunu nasıl ayarlayıp özelleştireceğinizi, veri gizliliğini nasıl artıracağınızı ve federated learning'de bant genişliği kullanımını nasıl yöneteceğinizi öğreneceksiniz. Ardından, federated learning'i LLM'lere uygulamayı öğreneceksiniz. Veri ezberleme ve LLM'lerin gerektirdiği hesaplama kaynakları gibi zorlukları inceleyecek; Parameter-Efficient Fine-Tuning (PEFT) ve Differential Privacy (DP) gibi verimlilik ve gizlilik artırma tekniklerini keşfedeceksiniz. Bu iki bölümlük kurs serisi bağımsızdır. Federated learning'in ne olduğunu zaten biliyorsanız, doğrudan kursun ikinci bölümünden başlayabilirsiniz. Detaylı olarak, yapacaklarınız şunlardır: