دانلود کتاب Federated Learning: A Comprehensive Overview of Methods and Applications – یادگیری فدرال: مروری جامع بر روش ها و کاربردها

دسته بندی :
اطلاعات کتاب
  • جلد
  • سری
  • ویرایش
  • سال 2022
  • نویسنده (گان) Heiko Ludwig, Nathalie Baracaldo
  • ناشر Springer
  • زبان English
  • تعداد صفحات
  • حجم فایل 40.57MB
  • فرمت فایل epub
  • شابک 3030968952, 9783030968953
قیمت محصول :

45,000 تومان

با خرید این محصول، 2,250 تومان به کیف پول شما بازگشت داده می‌شود

روند خرید و دریافت کتاب‌ها بدون هیچ اختلالی انجام می‌شود.
تمامی فایل‌ها بر روی سرورهای داخلی میزبانی می‌شوند تا بتوانید به راحتی و در لحظه آن‌ها را دانلود کنید. در صورت بروز هرگونه مشکل یا نیاز به راهنمایی، لطفاً از طریق « صفحه تماس باما» با تیم پشتیبانی در ارتباط باشید.

تمامی کتاب های موجود در وبسایت سای وان به زبان انگلیسی میباشد

توضیحات

Federated Learning: A Comprehensive Overview of Methods and Applications presents an in-depth discussion of the most important issues and approaches to federated learning for researchers and practitioners.
Federated Learning (FL) is an approach to machine learning in which the training data are not managed centrally. Data are retained by data parties that participate in the FL process and are not shared with any other entity. This makes FL an increasingly popular solution for machine learning tasks for which bringing data together in a centralized repository is problematic, either for privacy, regulatory or practical reasons.
This book explains recent progress in research and the state-of-the-art development of Federated Learning (FL), from the initial conception of the field to first applications and commercial use. To obtain this broad and deep overview, leading researchers address the different perspectives of federated learning: the core machine learning perspective, privacy and security, distributed systems, and specific application domains. Readers learn about the challenges faced in each of these areas, how they are interconnected, and how they are solved by state-of-the-art methods.
Following an overview on federated learning basics in the introduction, over the following 24 chapters, the reader will dive deeply into various topics. A first part addresses algorithmic questions of solving different machine learning tasks in a federated way, how to train efficiently, at scale, and fairly. Another part focuses on providing clarity on how to select privacy and security solutions in a way that can be tailored to specific use cases, while yet another considers the pragmatics of the systems where the federated learning process will run. The book also covers other important use cases for federated learning such as split learning and vertical federated learning. Finally, the book includes some chapters focusing on applying FL in real-world enterprise settings.

————————————————————–

ترجمه ماشینی :

یادگیری فدرال: مروری جامع بر روش ها و کاربردها بحث عمیقی از مهم ترین مسائل و رویکردهای یادگیری فدرال را برای محققان و متخصصان ارائه می دهد.
یادگیری فدرال (FL) است. رویکردی به یادگیری ماشین که در آن داده های آموزشی به صورت متمرکز مدیریت نمی شوند. داده ها توسط طرف های داده ای که در فرآیند FL شرکت می کنند حفظ می شوند و با هیچ نهاد دیگری به اشتراک گذاشته نمی شوند. این امر FL را به یک راه‌حل محبوب فزاینده برای وظایف یادگیری ماشین تبدیل می‌کند که برای آن‌ها گردآوری داده‌ها در یک مخزن متمرکز مشکل ساز است، چه به دلایل حفظ حریم خصوصی، قانونی یا عملی.
این کتاب پیشرفت‌های اخیر در تحقیقات و وضعیت پیشرفته را توضیح می‌دهد. توسعه هنر آموزش فدرال (FL)، از مفهوم اولیه این رشته تا اولین کاربردها و استفاده تجاری. برای به دست آوردن این نمای کلی گسترده و عمیق، محققان برجسته به دیدگاه های مختلف یادگیری فدرال می پردازند: دیدگاه اصلی یادگیری ماشین، حریم خصوصی و امنیت، سیستم های توزیع شده، و حوزه های کاربردی خاص. خوانندگان در مورد چالش‌هایی که در هر یک از این زمینه‌ها با آن مواجه هستند، نحوه به هم پیوستگی آنها و نحوه حل آن‌ها با روش‌های پیشرفته آشنا می‌شوند.
به دنبال مروری بر اصول یادگیری فدرال در مقدمه، در 24 زیر در فصل‌ها، خواننده عمیقاً در موضوعات مختلف فرو خواهد رفت. بخش اول به سوالات الگوریتمی حل وظایف مختلف یادگیری ماشین به روشی فدرال، نحوه آموزش کارآمد، در مقیاس و منصفانه می پردازد. بخش دیگری بر ارائه شفافیت در مورد نحوه انتخاب راه حل های حریم خصوصی و امنیتی به گونه ای متمرکز است که می تواند برای موارد استفاده خاص تنظیم شود، در حالی که بخش دیگری به کاربرد سیستم هایی که در آن فرآیند یادگیری فدرال اجرا می شود، توجه می کند. این کتاب همچنین موارد استفاده مهم دیگری را برای یادگیری فدرال مانند یادگیری تقسیم شده و یادگیری فدرال عمودی پوشش می دهد. در نهایت، این کتاب شامل چند فصل است که بر روی استفاده از FL در تنظیمات سازمانی در دنیای واقعی تمرکز دارد.


 

tag : دانلود کتاب یادگیری فدرال: مروری جامع بر روش ها و کاربردها , Download یادگیری فدرال: مروری جامع بر روش ها و کاربردها , دانلود یادگیری فدرال: مروری جامع بر روش ها و کاربردها , Download Federated Learning: A Comprehensive Overview of Methods and Applications Book , یادگیری فدرال: مروری جامع بر روش ها و کاربردها دانلود , buy یادگیری فدرال: مروری جامع بر روش ها و کاربردها , خرید کتاب یادگیری فدرال: مروری جامع بر روش ها و کاربردها , دانلود کتاب Federated Learning: A Comprehensive Overview of Methods and Applications , کتاب Federated Learning: A Comprehensive Overview of Methods and Applications , دانلود Federated Learning: A Comprehensive Overview of Methods and Applications , خرید Federated Learning: A Comprehensive Overview of Methods and Applications , خرید کتاب Federated Learning: A Comprehensive Overview of Methods and Applications ,

نقد و بررسی‌ها

هنوز بررسی‌ای ثبت نشده است.

اولین کسی باشید که دیدگاهی می نویسد “دانلود کتاب Federated Learning: A Comprehensive Overview of Methods and Applications – یادگیری فدرال: مروری جامع بر روش ها و کاربردها”