《深入浅出联邦学习:原理与实践》

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1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:
王健宗(博士)

某大型金融集团科技公司联邦学习团队负责人、高级工程师。

中国计算机学会大数据专家委员会委员、杰出会员,中国计算机学会青年计算机科技论坛(YOCSEF深圳)优秀AC委员。深圳市领军人才,美国佛罗里达大学人工智能博士后。

长期从事联邦智能隐私计算技术研发和平台搭建工作,发表联邦学习、深度学习、云计算、大数据等领域国际论文50余篇,获得专利100余项。著有《深入理解AutoML和AutoDL:构建自动化机器学习与深度学习平台》《金融智能:AI如何为银行、保险、证券业赋能》等书,同时还是多届国内外知名人工智能、大数据行业会议出品人。

李泽远

某大型金融集团科技公司高级人工智能产品经理,中国计算机学会会员,中国计算机学会青年计算机科技论坛(YOCSEF深圳)AC委员。长期负责AI技术类的产品生态搭建与实施推进,曾参与完成联邦学习、生物鉴权技术在金融领域平台型产品中的设计与落地投产,在全周期项目中积累有丰富的实战经验。

何安珣

某大型金融集团科技公司高级算法工程师,中国计算机学会会员,中国计算机学会青年计算机科技论坛(YOCSEF深圳)委员。拥有丰富的金融人工智能从业经验,主要研究金融智能系统框架搭建、算法研究和模型融合技术等,致力于推动金融智能的落地应用与价值创造。

VIP会员免费

已有0人支付

我们相聚,见证阅读的力量!
相聚书屋 » 《深入浅出联邦学习:原理与实践》

发表评论