BEGIN:VCALENDAR
VERSION:2.0
PRODID:-//Sabre//Sabre VObject 4.5.8//EN
CALSCALE:GREGORIAN
BEGIN:VTIMEZONE
TZID:Europe/Zurich
X-LIC-LOCATION:Europe/Zurich
TZURL:http://tzurl.org/zoneinfo/Europe/Zurich
BEGIN:DAYLIGHT
TZOFFSETFROM:+0100
TZOFFSETTO:+0200
TZNAME:CEST
DTSTART:19810329T020000
RRULE:FREQ=YEARLY;BYMONTH=3;BYDAY=-1SU
END:DAYLIGHT
BEGIN:STANDARD
TZOFFSETFROM:+0200
TZOFFSETTO:+0100
TZNAME:CET
DTSTART:19961027T030000
RRULE:FREQ=YEARLY;BYMONTH=10;BYDAY=-1SU
END:STANDARD
END:VTIMEZONE
BEGIN:VEVENT
UID:news703@ius.unibas.ch
DTSTAMP;TZID=Europe/Zurich:20240920T110428
DTSTART;TZID=Europe/Zurich:20241126T140000
SUMMARY:Tech Law Workshop - Federated Machine Learning
DESCRIPTION:Viele Produkte der Datenwirtschaft basieren auf dem Zugang zu g
 rossen und vielfältigen Datenbeständen. Diese befinden sich oft unter de
 r Kontrolle verschiedener Akteure. Entsprechend hoch ist die Bedeutung von
  Kooperationen in der Datenwirtschaft. Aus transaktions- und datenschutzre
 chtlicher Sicht ist das rechtskonforme Teilen von Daten aber äusserst ans
 pruchsvoll.  Beim so genannten Föderierten maschinellen Lernen (Federated
  Machine Learning) werden Rechenoperationen nicht zentral\, sondern dezent
 ral in getrennten Datensätzen mit jeweils demselben Algorithmus durchgef
 ührt. Die berechneten Ergebnisse werden an einen koordinierenden Server 
 übermittelt.\\r\\nDieser Technologie ist in der Rechtswissenschaft bisher
  nur wenig Beachtung geschenkt worden. Das ist erstaunlich\, denn gerade a
 us datenschutzrechtlicher Sicht liegen die Vorteile auf der Hand: Weder ei
 ne Übermittlung noch eine Zusammenführung oder eine Speicherung auf Vorr
 at findet statt.  Doch können sich diese datenschutzrechtlichen Vorteile 
 in der Praxis auch durchsetzen? Sind weitere technische Massnahmen erforde
 rlich? Und birgt das föderierte Lernen neben den offensichtlichen Chancen
  auch Risiken? Diese Fragen werden im Workshop-Format im Austausch zwische
 n Wissenschaft und Praxis diskutiert. Bei den konkreten Anwendungsbeispiel
 en orientiert sich der Workshop an den Gegebenheiten des Life-Sciences-Sek
 tors. Zwei konkrete Beispiel begleiten uns durch den Workshop. Neben kurze
 n Inputs wird es ausreichend Zeit für eine moderierte offene Diskussion u
 nd zum Austausch geben. Die Teilnehmerzahl ist auf 30 Personen beschränkt
 .\\r\\nHier kommen Sie zum Programm und zum Anmeldelink. [https://www.sf-f
 s.ch/fileadmin/user_upload/Flyer_Legal_Tech-Workshop24.pdf]
X-ALT-DESC:<p>Viele Produkte der Datenwirtschaft basieren auf dem Zugang zu
  grossen und vielfältigen Datenbeständen. Diese befinden sich oft unter 
 der Kontrolle verschiedener Akteure. Entsprechend hoch ist die Bedeutung v
 on Kooperationen in der Datenwirtschaft. Aus transaktions- und datenschutz
 rechtlicher Sicht ist das rechtskonforme Teilen von Daten aber äusserst a
 nspruchsvoll.<br /> <br /> Beim so genannten Föderierten maschinellen Ler
 nen (Federated Machine Learning) werden Rechenoperationen nicht zentral\, 
 sondern dezentral in getrennten Datensätzen mit jeweils demselben Algorit
 hmus durchgeführt. Die berechneten Ergebnisse werden an einen koordiniere
 nden Server übermittelt.</p>\n<p>Dieser Technologie ist in der Rechtswiss
 enschaft bisher nur wenig Beachtung geschenkt worden. Das ist erstaunlich\
 , denn gerade aus datenschutzrechtlicher Sicht liegen die Vorteile auf der
  Hand: Weder eine Übermittlung noch eine Zusammenführung oder eine Speic
 herung auf Vorrat findet statt.<br /> <br /> Doch können sich diese daten
 schutzrechtlichen Vorteile in der Praxis auch durchsetzen? Sind weitere te
 chnische Massnahmen erforderlich? Und birgt das föderierte Lernen neben d
 en offensichtlichen Chancen auch Risiken? Diese Fragen werden im Workshop-
 Format im Austausch zwischen Wissenschaft und Praxis diskutiert. Bei den k
 onkreten Anwendungsbeispielen orientiert sich der Workshop an den Gegebenh
 eiten des Life-Sciences-Sektors. Zwei konkrete Beispiel begleiten uns durc
 h den Workshop. Neben kurzen Inputs wird es ausreichend Zeit für eine mod
 erierte offene Diskussion und zum Austausch geben. Die Teilnehmerzahl ist 
 auf 30 Personen beschränkt.</p>\n<p><a href="https://www.sf-fs.ch/fileadm
 in/user_upload/Flyer_Legal_Tech-Workshop24.pdf" title="Programm und Anmeld
 elink Tech Law Workshop" target="_blank">Hier kommen Sie zum Programm und 
 zum Anmeldelink.</a></p>\n\n
DTEND;TZID=Europe/Zurich:20241126T173000
END:VEVENT
END:VCALENDAR