联邦学习原理与应用（全彩）
向小佳
121人在读
13.3万字总字数
¥76.3定价
向小佳
本书既是关于联邦学习技术和上手实践方法的介绍，又是关于联邦学习在业界，特别是金融科技行业应用实践的案例展示。 第1章介绍联邦学习的发展背景和历程，以及金融业中数据共享的机遇和挑战。第2章~第5章介绍不同类型的机器学习方法在联邦学习模式下的实现，以及关键算法原理。第6章介绍联邦学习开源框架FATE的架构和部署，以及在金融控股集团内大数据平台上建立跨机构统一数据科学平台的实施方案。第7章从建模者的角度展示了典型建模流程的实战过程。第8章和第9章结合在金融相关行业的实践，以多个应用案例和解决方案的形式，介绍联邦学习在营销运营和风险管理等不同业务方向上不同层次的应用实践。第10章从人工智能的不同方向介绍联邦学习应用扩展及前景。附录介绍了联邦学习框架中相关的密码学工具。
毕业论文选定了基于联邦学习的无线通信算法研究，本书很好的帮我了解到联邦学习的基本原理与发展脉络。 联邦学习可以概括为“带有隐私保护机制的分布式机器学习”。隐私保护，分布式机器学习是当中的两个重要出发点。 两个棘手的挑战：一个是数据在多数行业和场景中并不连通，仍以“孤岛”的形式存在，在使用层面存在着重重障碍；另一个是数据带来了对用户隐私的威胁，数据应用的用户隐私安全性成为技术应用必须满足的前提。 本书的的脉络按照比较传统的理工科数绩模式进行编纂。先是背景和前瞻知识的介绍，再理论介绍后实践应用。满足了我快速了解联邦学习概念的需求，方便我进一步规划研究方向。 值得一提的是，本书中大部分文字还是比较直白的，同时对于一些关键算法和模型都有配图，可见作者的用心。