In diesem Vortrag werden Herausforderungen beleuchtet, die maschinelles Lernen in Bezug auf unsere Privatsphäre mit sich bringt. D64-Mitglied Susanne Klausing wird verschiedene Ansätze vorstellen, die darauf abzielen, Privatsphäre per Design in Machine-Learning-Modelle zu integrieren, sodass Nutzerdaten auch beim Training von ML-Modellen geschützt werden. Auf einer konzeptionellen Ebene werden verschiedene Ansätze wie beispielsweise Differential Privacy oder Federated Learning erklärt und kritisch beleuchtet.
Wegen der erhöhten Nachfrage und Relevanz ist die Veranstaltung auch für Nicht-Mitglieder geöffnet. Die Teilnahme ist kostenlos und die Anmeldung entfällt.