Bewertung:
Derzeit gibt es keine Leserbewertungen. Die Bewertung basiert auf 2 Stimmen.
Advances and Open Problems in Federated Learning
Der Begriff "Federated Learning" wurde erst 2016 geprägt, um eine Umgebung für maschinelles Lernen zu beschreiben, in der mehrere Einheiten unter der Koordination eines zentralen Servers oder Dienstanbieters an der Lösung eines maschinellen Lernproblems zusammenarbeiten. Die Rohdaten der einzelnen Clients werden lokal gespeichert und nicht ausgetauscht oder übertragen; stattdessen werden gezielte Aktualisierungen zur sofortigen Aggregation verwendet, um das Lernziel zu erreichen.
Seitdem hat das Thema in vielen verschiedenen Disziplinen großes Interesse geweckt, und es hat sich die Erkenntnis durchgesetzt, dass die Lösung vieler dieser interdisziplinären Probleme wahrscheinlich nicht nur maschinelles Lernen, sondern auch Techniken aus den Bereichen verteilte Optimierung, Kryptographie, Sicherheit, differentieller Datenschutz, Fairness, komprimierte Sensorik, Systeme, Informationstheorie, Statistik und mehr erfordert.
Diese Monographie enthält Beiträge von führenden Experten aus allen Disziplinen, die den neuesten Stand der Technik aus ihrer Sicht beschreiben. Diese Beiträge wurden sorgfältig zu einer umfassenden Abhandlung zusammengestellt, die es dem Leser ermöglicht, die geleistete Arbeit zu verstehen und Hinweise darauf zu erhalten, wo noch Anstrengungen erforderlich sind, um viele der Probleme zu lösen, bevor Federated Learning in praktischen Systemen Realität werden kann.
Forscher, die auf dem Gebiet der verteilten Systeme arbeiten, werden diese Monographie als eine aufschlussreiche Lektüre empfinden, die sie dazu inspirieren kann, sich mit den vielen herausfordernden Themen zu befassen, die hier umrissen werden. Diese Monographie wird den Leser schnell und einfach in ein Thema einführen, das wahrscheinlich zunehmend an Bedeutung gewinnen wird: Föderiertes Lernen.
| ISBN: | 9781680837889 |
| Autor: | |
| Verlag: | |
| Einband: | Taschenbuch |
Derzeit verfügbar, auf Lager.
