Redeneer van definities van differentiële privacy naar gevoeligheid en private statistische publicaties.
Bestudeer grondslagen van differentiële privacy, gevoeligheid, formele definities en private statistische schetsen. De nadruk ligt op nabuurrelaties, compositie, bruikbaarheid en dreigingsmodellen.
Benoem nabuurrelatie, parameters en mechanisme van een DP-claim. Verbind gevoeligheid en metriek met benodigde ruis. Beoordeel compositie, bruikbaarheid en privacy-aannames.
Kennis van kansrekening, statistiek en algoritmen is aanbevolen. Wiskundige definities en gegevensaannames zijn belangrijk.
Ervaren cursisten die geavanceerde AI-vaardigheden willen verdiepen en toepassen
Mensen die het beste leren met voorbeelden, begeleide lessen en praktische oefeningen
Professionals, makers en zelfstandige bouwers die een herhaalbare werkwijze zoeken
Les 1 is gratis
4 lessen · Gevorderd · Volledige cursus.
Deze cursus gebruikt CC BY-gelicentieerd materiaal met naamsvermelding van de inhoudsprovider of uploader. Lesvideo’s zijn alleen na aanmelding beschikbaar wanneer de publicatie- en licentiecontroles zijn geslaagd.