联邦学习：算法详解与系统实现

? 基本信息

  • 书名：联邦学习：算法详解与系统实现
  • 作者：薄列峰, [美] 黄恒, 顾松庠, 陈彦卿
  • 出版社：机械工业出版社有限公司
  • 出版时间：2022/4/1
  • 字数：334千字

? 推荐语

本书将从联邦学习概念、应用场景到具体的先进算法，再到系统实现，对该技术进行全盘梳理与总结。

? 内容简介

本书首先介绍联邦学习的定义和发展历史，按类别介绍联邦学习算法和发展现状，介绍联邦学习的应用场景，以及相关安全机器学习的技术。然后我们将介绍最新最前沿的联邦学习算法，用数科系统作为实例，对联邦学习系统构建和实现进行讲解。最后我们将介绍数科自研的基于区块链的联邦学习技术。

✍️ 作者简介

作者薄列峰，京东科技集团副总裁、硅谷研发部负责人。曾担任包括NeurIPS、CVPR、ICCV、ECCV、AAAI、SDM等在内的多个顶级人工智能会议程序委员会委员。在国际顶级会议和期刊上合计发表论文80余篇，论文被引用10186次，H指数44。其博士学位论文荣获国内百篇优秀博士论文奖，RGB-D物体识别论文荣获机器人领域学术会议ICRA最佳计算机视觉论文奖。

? 出版社介绍

机械工业出版社是全国优秀出版社，自1952年成立以来，坚持为科技、为教育服务，以向行业、向学校提供优质、权威的精神产品为宗旨，以“服务社会和人民群众需求，传播社会主义先进文化”为己任，产业结构不断完善，已由传统的图书出版向着图书、期刊、电子出版物、音像制品、电子商务一体化延伸，现已发展为多领域、多学科的大型综合性出版社，涉及机械、电工电子、汽车、计算机、经济管理、建筑、ELT、科普以及教材、教辅等领域。
声明：本站所有文章，如无特殊说明或标注，均为本站原创发布。任何个人或组织，在未征得本站同意时，禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益，可联系我们进行处理。