单项课程

安全与隐私 AI

by
Facebook AI

学习如何利用工具扩展 PyTorch,从而训练能够保护用户隐私的 AI 模型。

关于此课程

我们最早能将癌症早期诊断提前到何时?哪些学校在儿童教育方面成绩显赫?要回答这些问题,我们必须要能够访问极少人才有权限访问的私密个人数据。而访问这些个人数据,要求我们首先掌握用户隐私原则性保护措施。在过去几年,我们在隐私保护技术方面已经取得重大进展。

这门免费的单项课程将讲授隐私保护 AI 的三大前沿性技术:联合学习、差分隐私和加密计算。你将学习如何运用最新的隐私保护技术,例如 OpenMined 的 PySyft。PySyft 利用必要的加密和分布式技术扩展了 PyTorch 等深度学习工具,使我们能够用分布式隐私数据安全地训练 AI 模型

同时,我们强烈建议你申请 Facebook 安全与隐私 AI 奖学金,将有机会赢取深度学习或计算机视觉纳米学位课程奖学金。

学费
免费
学习时间
大约 2 个月
难度
高级
你将获得

丰富的教学材料

互动随堂练习

业界专业导师

自主掌握进度

课程讲师

Andrew Trask

Andrew Trask

OpenMined 主管,DeepMind Oxford 研究科学家,博士生

先修知识及要求

加入这门课程前,我们建议你具备以下先修条件:

  • 掌握深度学习或机器学习基础技能
  • 掌握至少一种深度学习框架(例如 PyTorch)的基础技能
  • 掌握 Python 基础技能

不需要掌握其他密码学或高阶数学背景知识。

查看使用优达学城的 技术要求

为什么学习这门课程?

只有具备足够的训练数据,数据科学家才能使用 AI 解决问题。无论你供职于初创企业还是大型企业,最重要、最有价值的问题都是关于人的问题。要利用 AI 解决这些问题,需要访问大量隐私敏感数据。

想要通过医学扫描结果预测癌症情况?如果你使用传统的深度学习工具,则需要说服有关人士向你提供一份敏感数据集的副本。在很多情形下,获取这种数据的希望都不大,就算能访问,也只能查看非常少量的数据。

在这门课程中,你将学习如何对隐私数据运用深度学习技术,同时保护用户隐私,使你能够以保护隐私的方式用更多数据训练模型,从而解决更棘手的问题,以一种对社会负责的态度来创建更智能、高效的 AI 模型。

我将获得什么?
  • 教学视频
  • 随堂练习
  • 专业导师