联邦学习实战
【作 者】杨强，黄安埠，刘洋，陈天健著
【形态项】 323
【出版项】 北京：电子工业出版社 , 2021.5
【ISBN号】978-7-121-40792-5
【中图法分类号】TP181
【主题词】机器学习
【参考文献格式】 杨强，黄安埠，刘洋，陈天健著. 联邦学习实战. 北京：电子工业出版社, 2021.5.
内容提要:
联邦学习作为一种新型的隐私保护计算方案，在数据不出本地的前提下，能有效联合各参与方联合建模，从而实现“共同富裕”，成为当下人工智能领域备受关注的热点。本书以实战为主（包括对应用案例的深入讲解和代码分析），兼顾对理论知识的系统总结。全书由五部分共19章构成。第一部分简要介绍了联邦学习的理论知识；第二部分介绍如何使用Python和FATE进行简单的联邦学习建模；第三部分是联邦学习的案例分析，筛选了经典案例进行讲解，部分案例用Python代码实现，部分案例采用FATE实现；第四部分主要介绍和联邦学习相关的高级知识点，包括联邦学习的架构和训练的加速方法等；第五部分是回顾与展望。本书适合对联邦学习和隐私保护感兴趣的高校研究者、企业研发人员阅读。
下载地址
联邦学习实战 .rar