Prywatność, a uczenie maszynowe. Problemy, rozwiązania i pułapki.

Historie śmieszne i straszne o zamiataniu pod dywan słonia w salonie. 

Czy w kontekście Deep Learningu i tradycyjnego uczenia maszynowego problemy prywatności są realne? Czy zawsze muszą być zaadresowane? Jak potencjalnie można je rozwiązać i jaką cenę trzeba współcześnie zapłacić?

Prezentacja stanowi przegląd problemów, powstających na styku prywatności i uczenia maszynowego, oraz sygnalizuje obecny stan dostępnych rozwiązań, narzędzi i pułapek z nimi związanych.

Głównym celem prelekcji jest zainspirowanie słuchaczy do świeżego spojrzenia na prywatność w kontekście Deep Learningu, szczególnie we własnych projektach oraz z perspektywy użytkownika.