Handbook on Federated Learning

درباره این کتاب

تلفن‌های همراه، گجت‌های پوشیدنی و خودروهای خودران تنها چند نمونه از شبکه‌های توزیع‌شده مدرن هستند که روزانه حجم عظیمی از اطلاعات را تولید می‌کنند. با توجه به رشد ظرفیت محاسباتی این دستگاه‌ها و نگرانی‌ها در مورد انتقال اطلاعات خصوصی، پردازش بخشی از داده‌ها به صورت محلی با انتقال روش‌های یادگیری و محاسبات به لبه دستگاه‌ها اهمیت یافته است. یادگیری فدرال (FL) به عنوان مدلی از آموزش در این شرایط توسعه یافته است. یادگیری فدرال شکلی تخصصی از یادگیری ماشین غیرمتمرکز (ML) است که در حوزه‌هایی مانند حریم خصوصی، آموزش ماشین در مقیاس بزرگ و توزیع داده‌ها ضروری است. این کتاب رویکردی جامع به یادگیری فدرال در جنبه‌های مختلف ارائه می‌دهد. یادگیری فدرال یک مدل یادگیری ماشین توزیع‌شده است که امروزه در بسیاری از برنامه‌ها استفاده می‌شود و اکثر دستگاه‌های لبه می‌توانند مدل‌ها را با مجموعه‌داده‌های محلی اجرا کنند.