联邦学习：原理与算法

基础信息

书名：联邦学习：原理与算法
作者：王健宗；李泽远；何安珣；王伟
出版社：人民邮电出版社
出版时间：2021年11月
ISBN：9787115575326
字数：169千字

推荐语

人工智能机器学习教程书籍，平安科技联邦学习团队执笔，由浅入深介绍联邦机器学习的算法体系，注重工程实践，保证理论前沿性。

内容简介

数据孤岛问题已经成为制约人工智能发展的主要阻碍。在此背景下，联邦学习（Federated Learning）作为一种新兴的机器学习技术范式，凭借其突出的隐私保护能力，展示出在诸多业务场景中的应用价值。本书从联邦学习的基础知识出发，深入浅出地介绍了中央服务器优化和联邦机器学习的算法体系，详细阐述了联邦学习中涉及的加密通信模块的相关知识, 以定性和定量的双视角建立了联邦学习服务质量的评估维度、理论体系，还延伸介绍了提升联邦学习服务质量的方法，并对联邦学习的研究趋势进行了深入探讨与分析，可以对设计和选择算法提供工具式的参考和帮助。本书是高校、科研院所和业界相关学者研究联邦学习技术的理想读本，也适合大数据、人工智能行业的从业者和感兴趣的读者参考。

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。