To propozycja skierowana do student贸w studi贸w magisterskich, doktorant贸w, postdoc鈥櫭硍 z Polski i zagranicy przede wszystkim z dziedzin kryptografii, matematyki, informatyki teoretycznej.
Ochrona prywatno艣ci w uczeniu maszynowym to wa偶ny i ekscytuj膮cy temat badawczy, kt贸ry skupia si臋 na tym w jaki spos贸b czerpa膰 korzy艣ci z technik uczenia maszynowego przy jednoczesnym zachowaniu prywatno艣ci danych szkoleniowych i wyuczonych modeli.
W drugiej edycji szko艂y IACR Privacy-Preserving Machine Learning (PPML) wyk艂adowcy z do艣wiadczeniem teoretycznym i praktycznym om贸wi膮 szerokie spektrum zagadnie艅 zwi膮zanych z tym tematem, takich jak bezpieczne obliczenia, prywatno艣膰 r贸偶nicowa czy federated learning.
Wi臋cej informacji oraz link do rejestracji: https://ideas-ncbr.pl/en/2nd-school-on-privacy-preserving-machine-learning-2023/