Federated Learning for Edge AI: Realistic Hardware-Software System Co-Design

        Învățarea Federativă (IF) este esențială în peisajul în rapidă expansiune al Internet of Things (IoT). Adăugarea a aproape 2 miliarde de dispozitive în 2023 a intensificat necesitatea ca Edge AI să adopte soluții eficiente de Învățare Federativă, permițând astfel antrenarea descentralizată a modelelor de învățare automată pe dispozitivele de la marginea rețelei, cu accent pe confidențialitatea datelor.

        Cercetarea mea se concentrează pe Învățarea Federativă Ierarhică (HFL), o variantă a IF care utilizează servere situate fizic mai aproape de dispozitivele utilizatorilor finali. HFL se potrivește mai bine scenariilor din lumea reală, deoarece reduce costurile de comunicare și este mai scalabilă. Această prezentare va explora sinergiile dintre co-proiectarea hardware-software și considerații din lumea reală, cum ar fi mobilitatea utilizatorilor și soluțiile de învățare semi-supervizată în cadrul Învățării Federative, arătând cum aceste inovații pot conduce la ecosisteme IoT mai eficiente, scalabile și orientate spre confidențialitate.

      Biografie: Allen-Jasmin Farcaș este student în al patrulea an de doctorat la Universitatea din Texas, Austin. Interesele sale de cercetare includ sistemele de învățare federativă, sistemele de Inteligență Artificială la Margine și co-proiectarea hardware-software pentru Inteligența Artificială la Margine. Farcaș a obținut diploma de licență în inginerie informatică în 2019 de la Universitatea Politehnica Timișoara.

Când și unde: Luni, 18 Decembrie, Biblioteca UPT, amfiteatrul K1.

Prezența este gratuită, vă rugăm să vă înregistrați aici: https://forms.gle/F7GVDkpGjVHAxyVt9

Echipa de organizare,

IEEE SSIT