Hodnocení:
Aktuálně nejsou k dispozici žádné recenze čtenářů. Hodnocení je založeno na 2 hlasů.
Federated Learning: Privacy and Incentive
Tato kniha poskytuje ucelený a samostatný úvod do sdruženého učení, od základních poznatků a teorií až po různé klíčové aplikace.
V centru pozornosti této knihy jsou otázky ochrany soukromí a motivace. Je aktuální, protože federativní učení se stává populárním po vydání obecného nařízení o ochraně osobních údajů (GDPR). Protože cílem federativního učení je umožnit společné trénování strojového modelu, aniž by každá strana vystavovala soukromé údaje ostatním. Toto nastavení dodržuje regulační požadavky na ochranu osobních údajů, jako je GDPR.
Tato kniha obsahuje tři hlavní části. Za prvé představuje různé metody ochrany soukromí pro ochranu sdruženého modelu učení před různými typy útoků, jako je únik dat a/nebo otrávení dat. Za druhé kniha představuje motivační mechanismy, jejichž cílem je povzbudit jednotlivce k účasti ve federativních učebních ekosystémech. V neposlední řadě tato kniha také popisuje, jak lze federativní učení aplikovat v průmyslu a podnikání k řešení problémů s datovými sila a zachováním soukromí. Kniha je určena čtenářům z akademické sféry i z průmyslu, kteří se chtějí seznámit s federativním učením, vyzkoušet si jeho implementaci v praxi a aplikovat jej ve vlastním podnikání. Od čtenářů se očekávají základní znalosti lineární algebry, kalkulu a neuronových sítí. Kromě toho budou užitečné znalosti domény FinTech a marketingu.".
© Book1 Group - všechna práva vyhrazena.
Obsah těchto stránek nesmí být kopírován ani použit, a to ani částečně ani úplně, bez písemného svolení vlastníka.
Poslední úprava: 2024.11.08 20:25 (GMT)