Postępy i otwarte problemy w nauczaniu federacyjnym

Opinie czytelników

Obecnie brak opinii czytelników. Ocena opiera się na 2 głosach.

Oryginalny tytuł:

Advances and Open Problems in Federated Learning

Zawartość książki:

Termin Federated Learning został ukuty jeszcze w 2016 roku w celu opisania środowiska uczenia maszynowego, w którym wiele podmiotów współpracuje przy rozwiązywaniu problemu uczenia maszynowego, koordynowanego przez centralny serwer lub dostawcę usług. Surowe dane każdego klienta są przechowywane lokalnie i nie są wymieniane ani przesyłane; zamiast tego do osiągnięcia celu uczenia wykorzystywane są ukierunkowane aktualizacje przeznaczone do natychmiastowej agregacji.

Od tego czasu, temat ten wzbudził duże zainteresowanie w wielu różnych dyscyplinach i uświadomiono sobie, że rozwiązanie wielu z tych interdyscyplinarnych problemów wymaga nie tylko uczenia maszynowego, ale także technik z zakresu optymalizacji rozproszonej, kryptografii, bezpieczeństwa, prywatności różnicowej, uczciwości, skompresowanego wykrywania, systemów, teorii informacji, statystyki i innych.

Niniejsza monografia zawiera wkład czołowych ekspertów z różnych dyscyplin, którzy opisują najnowszy stan wiedzy ze swojej perspektywy. Wkład ten został starannie wyselekcjonowany w kompleksowe podejście, które umożliwia czytelnikowi zrozumienie wykonanej pracy i uzyskanie wskazówek, gdzie należy podjąć wysiłek, aby rozwiązać wiele problemów, zanim Federated Learning stanie się rzeczywistością w praktycznych systemach.

Naukowcy pracujący w obszarze systemów rozproszonych znajdą w tej monografii pouczającą lekturę, która może zainspirować ich do pracy nad wieloma trudnymi zagadnieniami, które zostały nakreślone. Monografia ta pozwoli czytelnikowi szybko i łatwo zapoznać się z tematem, który prawdopodobnie będzie stawał się coraz ważniejszy: Federated Learning.