Assurer la confidentialité dans l'IA : Approches et techniques.

Pratiques de protection des données personnelles dans le développement et le déploiement de modèles d'IA.

Format

Cours
en ligne

Expert·e

Rohan Sukumaran

Date de la séance en direct

22 oct. , 2025

Heure de la séance en direct

12h30 - 15h00

Travail préparatoire individuel

1 heure

Prix

$225 + taxes

À propos du module

Dans la société actuelle, où les données personnelles sont une monnaie d'échange précieuse, la protection de la vie privée est primordiale. Ce module permettra aux participants d'acquérir des connaissances sur les solutions techniques de préservation de la vie privée à intégrer dans la conception et le déploiement de l'IA, afin d'assurer la conformité réglementaire tout en favorisant la confiance des utilisateurs. L'importance de la protection de la vie privée dans l'apprentissage automatique sera illustrée, ainsi que les défis qui peuvent se poser et les techniques pour les résoudre.
De plus, les participant·e·s exploreront les compromis possibles, en particulier à l'intersection de la vie privée et de l'équité, afin de naviguer efficacement dans les complexités du développement éthique de l'IA.

Objectifs d'apprentissage

Comprendre l'importance de la protection de la vie privée dans l'IA et l'apprentissage automatique.
Appliquer des solutions techniques préservant la vie privée dans la conception et le déploiement de l'IA.
Analyser les défis liés à la protection de la vie privée dans l'apprentissage automatique et élaborer des stratégies pour les relever.
Explorer les compromis entre la protection de la vie privée et l'équité dans le développement éthique de l'IA.

À qui s'adresse ce module ?

Directeur·trice technologique, ingénieur·e·s en apprentissage automatique, scientifiques des données, chercheur·se·s en IA, développeur·se·s de produits IA.

Conçu pour les participant·e·s ayant une compréhension fondamentale des concepts de l'IA et des connaissances de base en probabilité, algèbre linéaire et apprentissage automatique.

Course Lessons

Rohan Sukumaran

Rohan Sukumaran est un étudiant diplômé de Mila qui travaille avec le professeur Golnoosh Farnadi sur l'IA responsable, en se concentrant sur l'équité et la protection de la vie privée dans l'apprentissage automatique. Ses recherches visent à développer des systèmes d'IA efficaces, fiables et responsables. Auparavant, il a été directeur de recherche à la Fondation PathCheck, une spin-off du MIT Media Lab, où il a été conseillé par le professeur Ramesh Raskar. À ce titre, il a contribué à l'apprentissage automatique préservant la vie privée, à l'apprentissage par représentation contradictoire et aux réseaux neuronaux graphiques, avec des applications dans le domaine de la santé informatique.

Il a également cofondé le Data Informatics Center for Epidemiology (DICE) avec les professeurs Ramesh Raskar (MIT), Manuel Morales (Université de Montréal) et Sue Feldman (Université de l'Alabama à Birmingham). Démontrant son engagement en faveur de l'impact sociétal par le biais de la technologie, il a accueilli le Global Health Innovators Seminar, une plateforme pour les orateurs qui tirent parti de l'IA et de l'informatique pour relever des défis cruciaux, en particulier dans le domaine des soins de santé.