کتاب حریم خصوصی در یادگیری ماشین: مبانی و چالش‌ها با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

249,950 تومان
پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 62,488 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره حریم خصوصی در یادگیری ماشین: مبانی و چالش‌ها

موضوع کلی: توسعه برنامه‌های وب پیشرفته

موضوع میانی: Machine learning privacy best practices and implementation

📋 سرفصل‌های دوره

  • 1. حریم خصوصی در یادگیری ماشین: مقدمه‌ای و مفاهیم اساسی
  • 2. داده‌های حساس و انواع آن‌ها
  • 3. مدل‌های یادگیری ماشین و خطرات حریم خصوصی
  • 4. تخریب حریم خصوصی: حملات و تهدیدات
  • 5. مفهوم دی‌شناسه‌سازی داده‌ها
  • 6. روش‌های دی‌شناسه‌سازی: تعمیم‌سازی
  • 7. روش‌های دی‌شناسه‌سازی: حذف داده‌ها
  • 8. روش‌های دی‌شناسه‌سازی: ماسک‌سازی
  • 9. روش‌های دی‌شناسه‌سازی: تصادفی‌سازی
  • 10. ارزیابی ریسک حریم خصوصی در داده‌ها
  • 11. حریم خصوصی تفاضلی: مبانی و اصول
  • 12. مکانیسم‌های حریم خصوصی تفاضلی
  • 13. پیاده‌سازی حریم خصوصی تفاضلی در الگوریتم‌های یادگیری ماشین
  • 14. حریم خصوصی همومورفیک: مفاهیم کلیدی
  • 15. کاربردهای حریم خصوصی همومورفیک در یادگیری ماشین
  • 16. محاسبات چند طرفه امن
  • 17. یادگیری فدرال: رویکردی نوین به حفظ حریم خصوصی
  • 18. چالش‌های یادگیری فدرال
  • 19. بهینه‌سازی ارتباطات در یادگیری فدرال
  • 20. حریم خصوصی در شبکه‌های عصبی
  • 21. حملات استخراج مدل (Model Extraction Attacks)
  • 22. حملات عضویت (Membership Inference Attacks)
  • 23. حملات بازسازی (Reconstruction Attacks)
  • 24. دفاع در برابر حملات استخراج مدل
  • 25. دفاع در برابر حملات عضویت
  • 26. دفاع در برابر حملات بازسازی
  • 27. حریم خصوصی در داده‌های سری زمانی
  • 28. حریم خصوصی در داده‌های مکانی
  • 29. حریم خصوصی در داده‌های متنی
  • 30. تکنیک‌های پردازش زبان طبیعی و حفظ حریم خصوصی
  • 31. حریم خصوصی در داده‌های تصویری
  • 32. حریم خصوصی در داده‌های صوتی
  • 33. حریم خصوصی و قانون‌گذاری: GDPR
  • 34. حریم خصوصی و قانون‌گذاری: CCPA
  • 35. استانداردهای بین‌المللی حریم خصوصی
  • 36. حریم خصوصی و اخلاق در یادگیری ماشین
  • 37. ابزارهای ارزیابی حریم خصوصی
  • 38. ابزارهای دی‌شناسه‌سازی داده‌ها
  • 39. چارچوب‌های حریم خصوصی در یادگیری ماشین
  • 40. آینده حریم خصوصی در یادگیری ماشین
  • 41. تحقیقات جاری در زمینه حریم خصوصی یادگیری ماشین
  • 42. مبانی رمزنگاری برای حفظ حریم خصوصی
  • 43. استفاده از بلوک‌چین در حفظ حریم خصوصی داده‌ها
  • 44. حریم خصوصی در یادگیری تقویتی
  • 45. حریم خصوصی در سیستم‌های توصیه گر

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.