"《聯(lián)邦學(xué)習》為研究人員和從業(yè)者深入探討了聯(lián)邦學(xué)習最重要的問題和方法。
聯(lián)邦學(xué)習(Federated Learning，F(xiàn)L)是一種機器學(xué)習方法，其中訓(xùn)練數(shù)據(jù)不是集中管理的。數(shù)據(jù)由參與聯(lián)邦學(xué)習過程的各方保留，不與任何其他實體共享。這使得聯(lián)邦學(xué)習成為一種日益流行的機器學(xué)習解決方案，適用于因隱私、監(jiān)管或?qū)嶋H原因而難以將數(shù)據(jù)集中到一個存儲庫中的任務(wù)。
本書闡述了聯(lián)邦學(xué)習的**研究進展和**進的發(fā)展成果，包括從最初構(gòu)想到首次應(yīng)用和商業(yè)化使用。為了全面、深入地了解這個領(lǐng)域，研究人員從不同的角度探討了聯(lián)邦學(xué)習:機器
學(xué)習、隱私和安全、分布式系統(tǒng)以及具體應(yīng)用領(lǐng)域。讀者將從這些角度了解聯(lián)邦學(xué)習所面臨的挑戰(zhàn)、它們之間的相互關(guān)系，以及解決這些挑戰(zhàn)的前沿方法。
本書第1章介紹了聯(lián)邦學(xué)習的基礎(chǔ)知識，之后的24章深入探討了各種不同的主題。第l部分涉及以聯(lián)邦方式解決各種機器學(xué)習任務(wù)的算法問題，以及如何進行高效、規(guī)模化和公平的訓(xùn)
練。第I部分主要介紹聯(lián)邦學(xué)習過程運行的系統(tǒng)的實際問題。第川部分著重介紹如何選擇隱私和安全解決方案，以適應(yīng)特定的應(yīng)用場景。第IV部分講解了聯(lián)邦學(xué)習的其他重要應(yīng)用案例，如拆分學(xué)習和縱向聯(lián)邦學(xué)習。最后，第V部分介紹實際企業(yè)環(huán)境中聯(lián)邦學(xué)習的應(yīng)用和案例。"
新書資訊