策略触发的伸缩活动，其他类型的伸缩策略（如定时策略和周期策略）触发的伸缩活动不受限制。 联邦身份认证 联邦身份认证是指不同系统中的用户通过一次认证即可访问多个系统。 联邦用户 通过联邦身份认证访问本系统的用户称为联邦用户。 连接 连接是用户基于连接器创建的用于连接某个具体数据源的

查看更多 →

本课程主要介绍什么是 OneAccess 、OneAccess行业发展趋势、应用场景及使用方法等。

查看更多 →

本课程主要介绍什么是OneAccess、OneAccess行业发展趋势、应用场景及使用方法等。

查看更多 →

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。本课程介绍横向联邦学习个性化算法的进阶：即元学习和联邦学习的结合。

查看更多 →

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。

查看更多 →

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。

查看更多 →

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。

查看更多 →

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。本课程介绍横向联邦学习个性化算法的进阶：即元学习和联邦学习的结合。

查看更多 →

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。

查看更多 →

本课程主要介绍什么是 IAM 、华为云IAM的主要使用场景以及常见问题解决。

查看更多 →

本课程由华为诺亚的李老师介绍诺亚纵向联邦学习框架。包括联邦学习系统介绍、联邦学习原理、两方交互流程。

查看更多 →

本课程由加拿大滑铁卢大学的胡泽欧博士介绍多目标优化联邦学习。包括：Pareto Optimal、Ordering Cone、MGDA算法、 FedMGDA+算法。

查看更多 →

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。本课程包含联邦学习系统介绍、业界发展以及分布式训练初步实现。

查看更多 →

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。

查看更多 →

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。

查看更多 →

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。本课程介绍纵向联邦学习算法，包括数据对齐，线性拟合、逻辑回归、分类

查看更多 →

本课程由华为诺亚的李老师介绍诺亚纵向联邦学习框架。包括联邦学习系统介绍、联邦学习原理、两方交互流程。

查看更多 →

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。本课程包含联邦学习系统介绍、业界发展以及分布式训练初步实现。

查看更多 →

本课程由加拿大滑铁卢大学的胡泽欧博士介绍多目标优化联邦学习。包括：Pareto Optimal、Ordering Cone、MGDA算法、 FedMGDA+算法。

查看更多 →

本课程由韩亚洪老师（天津大学智能与计算学部教授、博士生导师）介绍黑盒探测的联邦域自适应。包括黑盒探测与对抗攻击方法、对抗训练与生成对抗博弈、黑盒探测的联邦域自适应。

查看更多 →

本课程是由华为NAIE的赖老师，介绍华为NAIE联邦学习服务。NAIE联邦学习服务基于联邦学习框架，利用本地数据训练，用加密方式交换更新的模型参数（不交换数据本身），帮助用户在满足隐私保护、数据安全和政府法规的要求下，进行数据使用和机器学习建模。

查看更多 →