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:原理与算法/王健宗 ... [等] 著

出版发行项:

北京:人民邮电出版社,2021.11

ISBN及定价:

978-7-115-57532-6/CNY128.00

载体形态项:

280页:图;26cm

并列正题名:

Federated learning:fundamentals and algorithms

个人责任者:

王健宗 著

个人责任者:

李泽远 著

个人责任者:

何安珣 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: 王健宗, 李泽远, 何安珣, 王伟著

责任者附注:

王健宗, 博士, 美国佛罗里达大学人工智能博士后, 高级工程师, 某大型金融集团科技公司联邦学习团队负责人。中国计算机学会杰出会员、大数据专家委员会和量子计算专业组执委。李泽远, 某大型金融集团科技公司高级AI产品经理CCFYOCSEF深圳AC委员。何安珣, 某头部互联网公司高级产品经理。

书目附注:

有书目 (第273-280页)

提要文摘附注:

数据孤岛和隐私安全挑战已经成为制约人工智能发展的关键问题。在此背景下, 联邦学习作为一种新兴技术, 凭借其突出的隐私保护能力展示出在诸多业务场景中的应用价值。本书从联邦学习的基础知识出发, 深入浅出地介绍了中央服务器优化和联邦机器学习的算法体系, 详细阐述了联邦学习中涉及的加密通信模块, 以定性和定量的双视角建立了联邦学习服务质量的评估维度、理论体系及提升方式, 并对联邦学习的研究趋势进行了深入探讨与分析, 可以对设计和选择算法提供工具式的参考和帮助。

使用对象附注:

本书是高校、科研院所和业界相关学者研究联邦学习技术的理想读本, 也适合大数据、人工智能行业的从业者和有兴趣的读者参考

豆瓣简介：