SIEX - Sistema de Informações de Extensão

INFORMAÇÕES GERAIS

AÇÃO
Código SIEX: 21895
Ano Base: 2022
Título da ação: Data Driven Federated Learning: A new privacy preserving method for sharing knowledge
Tipo de ação: EVENTO
PERFIL
Linha programática ou de extensão: Educação Continuada
Área tematica: SAÚDE
Caracterização: WEBNÁRIO
Modalidade: A distância
Grande área de conhecimento (CNPq): MULTIDISCIPLINAR
ODS: Não informado
Área de conhecimento (CNPq): INTERDISCIPLINAR
Coordenador (Responsável Técnico Científico): CAMILO DE LELLIS SANTOS
Resumo: Artificial Intelligence (AI) has become a powerful research catalyst in science. At the core of modern AI is the ability to automatically extract knowledge from data and build accurate predictive models. To maximize this impact, it is critical to have access to enough good quality data to allow machine learning algorithms to extract relevant knowledge and produce useful models. One of the main challenges in AI is therefore to compile such pivotal datasets, which is particularly difficult in drug discovery due to the confidential nature of the primary information: the chemical structure. Even with the availability of public data, the most valuable knowledge remains embedded and locked in private silos despite the willingness of industry to share non-competitive information. This presentation describes an approach to facilitate knowledge sharing between organisation, whilst maintaining the confidentiality of private data containing this knowledge.
Observações aos interessados: Não informado
EVENTO
Número de vagas: 200
Período de inscrição: 13/04/2022 a 26/04/2022
Inscrição: Catálogo Unifesp Online
Período de realização: 26/04/2022 a 26/04/2022
Calendário de realização:

Para se inscrever em atividades da programação com inscrição avulsa, é necessário estar inscrito na ação principal, acessar dentro do prazo estipulado a ficha de inscrição na área do participante e selecionar a atividade desejada.

Período Caracterização Título Inscrições avulsas

26/04/2022 - 00:00 a 01:00

PALESTRA

DATA DRIVEN FEDERATED LEARNING: A NEW PRIVACY PRESERVING METHOD FOR SHARING KNOWLEDGE

Não há

Local de realização: Não informado
Pré requisito: Não informado
Carga horária: Total: 1 h ( Prática: 0 h - Teórica: 1 h )
Taxas: Inscrição:
Gratuita
Processo seletivo: Não há
Parceria/Convênio: Não
Mais informações: Não há
Site de divulgação: https://www.unifesp.br/reitoria/propgpq/
Programa preliminar: Visualizar
INFORMAÇÕES DE CONTATO
Nome do contato: Sarah Kommers
Telefones: (11) 3385-4111 - Ramal/VOIP: N/A
Email: sarah.kommers@unifesp.br

Inscrições encerradas em 26/04/2022