广东职业技术学院图书馆书目检索系统

Online Public Access Catalogue

题名/责任者:

联邦学习实战/杨强 ... [等] 著

出版发行项:

北京:电子工业出版社,2021.5

ISBN及定价:

978-7-121-40792-5/CNY119.00

载体形态项:

xv, 323页:图 (部分彩图);26cm

并列正题名:

Practicing federated learning

个人责任者:

杨强 著

个人责任者:

黄安埠 著

个人责任者:

刘洋 著

学科主题:

机器学习

中图法分类号:

TP181

题名责任附注:

题名页题: 杨强, 黄安埠, 刘洋, 陈天健著

责任者附注:

杨强, 微众银行首席人工智能官 (CAIO) 和香港科技大学 (HKUST) 计算机科学与工程系讲席教授。曾任香港科技大学计算机科学与工程系系主任。研究兴趣包括人工智能、机器学习和数据挖掘, 特别是迁移学习、自动规划、联邦学习和基于案例的推理。黄安埠, 微众银行AI项目组资深研究员, 毕业于清华大学。在机器学习、隐私保护安全计算、推荐系统和计算机视觉等领域有丰富的研究和落地经验。刘洋, 微众银行AI项目组资深研究员、研究团队负责人。研究兴趣包括机器学习、联邦学习、迁移学习、多智能体系统、统计力学以及这些技术的产业应用。

书目附注:

有书目 (第299-323页)

提要文摘附注:

全书由五部分共19章构成。第一部分简要介绍了联邦学习的理论知识点; 第二部分介绍如何使用Python和FATE进行简单的联邦学习建模; 第三部分是联邦学习的案例分析, 筛选了经典案例进行讲解, 部分案例用Python代码实现, 部分案例采用FATE实现; 第四部分主要介绍和联邦学习相关的高级知识点, 包括联邦学习的架构和训练的加速方法等; 第五部分是回顾与展望。

使用对象附注:

本书适合对联邦学习和隐私保护感兴趣的高校研究者、企业研发人员阅读

豆瓣简介：