Értékelés:
Jelenleg nincsenek olvasói vélemények. Az értékelés 2 olvasói szavazat alapján történt.
Advances and Open Problems in Federated Learning
A Federated Learning kifejezést még 2016-ban alkották meg egy olyan gépi tanulási környezet leírására, amelyben több entitás együttműködik egy gépi tanulási probléma megoldásában, egy központi szerver vagy szolgáltató koordinálásával. Az egyes ügyfelek nyers adatait helyben tárolják, és nem cserélik vagy továbbítják; ehelyett azonnali aggregálásra szánt, fókuszált frissítéseket használnak a tanulási cél eléréséhez.
Azóta a téma iránt számos különböző tudományágban nagy érdeklődés mutatkozott, és az a felismerés, hogy számos ilyen interdiszciplináris probléma megoldásához valószínűleg nem csak gépi tanulásra, hanem az elosztott optimalizálás, a kriptográfia, a biztonság, a differenciális adatvédelem, a méltányosság, a tömörített érzékelés, a rendszerek, az információelmélet, a statisztika és más tudományágak technikáira is szükség van.
Ebben a monográfiában a tudományágak vezető szakértői közreműködnek, akik a saját szemszögükből ismertetik a legújabb fejleményeket. Ezeket a hozzászólásokat gondosan összeválogattuk egy olyan átfogó feldolgozásba, amely lehetővé teszi az olvasó számára, hogy megértse az elvégzett munkát, és támpontokat kapjon arra vonatkozóan, hogy milyen erőfeszítésekre van szükség számos probléma megoldásához, mielőtt a föderált tanulás a gyakorlati rendszerekben valósággá válhat.
Az elosztott rendszerek területén dolgozó kutatók számára ez a monográfia tanulságos olvasmány, amely inspirálhatja őket a felvázolt számos kihívást jelentő kérdéssel való foglalkozásra. Ez a monográfia gyorsan és könnyen eligazítja az olvasót egy olyan témában, amely valószínűleg egyre fontosabbá válik: Federált tanulás.