类似推荐
编辑推荐
大型金融集团联邦学习负责人撰写，基础、原理、实战、拓展4个维度系统讲解联邦学习。
内容简介
这是一本从基础、原理、实战、拓展4个维度系统讲解联邦学习的著作。作者是人工智能领域的资深专家，现任某大型金融集团科技公司联邦学习团队负责人，这本书不仅得到了中外院士的联合推荐，而且得到了来自清华大学、华中科技大学、百度、蚂蚁集团、同盾科技等学术界和企业界的专家的一致推荐。
全书共9章，分为4个部分。第一部分基础（第1~2章），主要介绍了联邦学习的概念、由来、发展历史、架构思想、应用场景、优势、规范与标准、社区与生态等基础内容，帮助读者建立对联邦学习的感性认知。第二部分原理（第3~5章），详细讲解了联邦学习的工作原理、算法、加密机制、激励机制等核心技术，为读者进行联邦学习实践打好理论基础。第三部分实战（第6~7章，主要讲解了PySyft、TFF、CrypTen等主流联邦学习开源框架的部署实践，并给出了联邦学习在智慧金融、智慧医疗、智慧城市、物联网等领域的具体解决方案。第四部分拓展（第8~9章），概述了联邦学习的形态、联邦学习系统架构、当前面临的挑战等，并探讨了联邦学习的发展前景和趋势。
作者简介
作者王健宗，博士，某大型金融集团科技公司人工智能总监，中国计算机学会大数据专家委员会委员，美国佛罗里达大学人工智能博士后，曾任美国莱斯大学电子与计算机工程系研究员。发表深度学习、云计算、大数据等领域靠前论文40余篇，拥有100余项，担任多届靠前外知名大数据人工智能会议出品人，获“2019全国新锐靠前程序员”称号。
章节目录
版权信息
赞誉 PRAISE
前言 PREFACE
第一部分 基础
第1章 联邦学习的前世今生
1.1 联邦学习的由来
1.2 联邦学习的发展历程
1.3 联邦学习的规范与标准
1.4 联邦学习的社区与生态
1.5 本章小结
第2章 全面认识联邦学习
2.1 什么是联邦学习
2.2 联邦学习的架构思想
2.3 联邦学习的应用场景
2.4 联邦学习的优势与前景
2.5 本章小结
第二部分 原理
第3章 联邦学习的工作原理
3.1 联邦学习的计算环境
3.2 联邦学习的算法
3.3 联邦学习的算子
3.4 本章小结
第4章 联邦学习的加密机制
4.1 联邦学习的安全问题
4.2 联邦学习的加密方式
4.3 本章小结
第5章 联邦学习的激励机制
5.1 数据贡献评估
5.2 数据贡献与激励支付的关系
5.3 参与方贡献效益评估
5.4 参与方贡献效益与激励支付的关系
5.5 计算和通信消耗评估
5.6 计算消耗、通信消耗和激励支付的关系
5.7 本章小结
第三部分 实战
第6章 联邦学习开发实践
6.1 联邦学习开源框架部署：PySyft
6.2 联邦学习开源框架部署：TFF
6.3 联邦学习开源框架部署：CrypTen
6.4 本章小结
第7章 联邦学习的行业解决方案
7.1 联邦学习+智慧金融
7.2 联邦学习+智慧医疗
7.3 联邦学习+智慧城市
7.4 联邦学习+物联网
7.5 本章小结
第四部分 拓展
第8章 联邦学习的延伸
8.1 联邦学习的布局
8.2 联邦学习系统框架
8.3 本章小结
第9章 联邦学习的挑战、趋势和展望
9.1 联邦学习应对的挑战
9.2 联邦学习的趋势和展望
9.3 本章小结
深入浅出联邦学习：原理与实践是2021年由机械工业出版社华章分社出版,作者王健宗。
得书感谢您对《深入浅出联邦学习：原理与实践》关注和支持，如本书内容有不良信息或侵权等情形的，请联系本网站。
