موقعیت مقطع دکتری در یادگیری مشارکتی امن برای دادههای سلامت
پیشبرد چارچوبهای یادگیری فدرال امن و محافظ حریم خصوصی برای کاربردهای هوش مصنوعی در حوزه سلامت.
مناسب برای:مناسب برای فارغالتحصیلان علوم کامپیوتر یا یادگیری ماشین علاقهمند به یادگیری فدرال، رمزنگاری و کاربردهای هوش مصنوعی در سلامت.
مرور کلی
این موقعیت دکتری در دانشگاه پاریس-ساکله که با همکاری CEA-LIST اجرا میشود، بر پیشبرد یادگیری مشارکتی امن و کاربردهای یادگیری عمیق در مراقبتهای بهداشتی تمرکز دارد. این پروژه با توسعه معماریهای یادگیری فدرال از لبه تا ابر که شامل رمزنگاری کاملاً همومورفیک و مقاومت در برابر حملات خصمانه است، به چالشهای حاکمیت داده میپردازد. داوطلب مدلهای یادگیری عمیق را مستقر و بهینهسازی خواهد کرد، مدلهای مقیاسپذیر را در محیطهای یادگیری مشارکتی ادغام میکند و روشهای تجمیع جدیدی را برای توزیع دادههای غیر IID طراحی مینماید. از فرد پذیرفتهشده انتظار میرود که بهطور فعال در پژوهشهای پیشرفته در زمینه هوش مصنوعی پزشکی محافظ حریم خصوصی مشارکت کند.
نحوهٔ درخواست
برای دیدن امتیاز تطابق شخصی، نیازمندیها، جزئیات بودجه و نحوهٔ درخواست — به انگلیسی یا فارسی — حساب کاربری رایگان بساز.