-
联邦学习应用
联邦学习(Federated Learning),又称联合学习,作为一种分布式机器学习框架,能够在保护数据隐私、满足合法合规要求的前提下,让多参与方或多计算结点之间在不共享原始数据的基础上联合进行高效率的机器学习。本课程是介绍联邦学习业界应用,并指导用户上手一个自己的联邦学习应用。
来自:其他 -
联邦学习系统进阶
联邦学习(Federated Learning),又称联合学习,作为一种分布式机器学习框架,能够在保护数据隐私、满足合法合规要求的前提下,让多参与方或多计算结点之间在不共享原始数据的基础上联合进行高效率的机器学习。本课程是联邦学习进阶课程,介绍更加严苛的隐私保护方法和分布式算法进阶:FedOpt和FedMDGA。
来自:其他 -
联邦学习系统进阶
联邦学习(Federated Learning),又称联合学习,作为一种分布式机器学习框架,能够在保护数据隐私、满足合法合规要求的前提下,让多参与方或多计算结点之间在不共享原始数据的基础上联合进行高效率的机器学习。本课程是联邦学习进阶课程,介绍更加严苛的隐私保护方法和分布式算法进阶:FedOpt和FedMDGA。
来自:其他 -
模型异构联邦学习
联邦学习(Federated Learning),又称联合学习,作为一种分布式机器学习框架,能够在保护数据隐私、满足合法合规要求的前提下,让多参与方或多计算结点之间在不共享原始数据的基础上联合进行高效率的机器学习。本课程介绍模型异构联邦学习的定义、场景以及当前学术界和工业界的研究进展及经典算法。
来自:其他 -
算法异构的松耦合联邦学习
-
纵向联邦学习技术与实践
-
纵向联邦学习技术与实践
-
模型异构联邦学习
-
算法异构的松耦合联邦学习
-
Python语言进阶
-
Python应用篇
-
Python网络编程
-
Python语言基础
-
Python语言进阶
-
Python语言基础
-
Python网络编程
-
Python应用篇
-
Python网络爬虫
-
Python入门篇
-
Python Web程序开发
-
Python的奇怪操作