联邦学习
收录了 联邦学习 频道下的 50 篇内容
京东超大规模联邦学习探索实践
对于AI飞速发展的今天来说，大规模的多维度、高质量的数据是其成功的关键要素，也是制约其进一步发展的重要瓶颈。
字节跳动破局联邦学习：开源 Fedlearner 框架，广告投放增效 209%
字节跳动基于开源Fedlearner框架的联邦学习技术实践和落地经验
联邦学习可能会带来数据价值挖掘的下一个爆发点
近两年，联邦学习技术发展迅速。作为分布式的机器学习范式，联邦学习能够有效解决数据孤岛问题，让参与方在不共享数据的基础上联合建模，从技术上打破数据孤岛。
新一代联邦学习技术及应用实战
本文介绍微众银行主导的新一代联邦学习技术及应用，FATE 是联邦学习落地的一个工业级开源平台。
破解 AI 数据困境：联邦学习在平安科技的大规模实践
平安科技在金融领域应用联邦学习的实践过程和遇到的挑战
对话微众银行：联邦学习在金融领域的实践方法及落地建议
联邦学习三大分类体系如何应用？
构建端到端的联邦学习 Pipeline 生产服务
本文介绍如何灵活调度管理复杂的联邦学习任务、可视化联邦建模的实现以及在线联邦推理服务的思考与实践。
对话腾讯大数据团队：自研联邦学习系统的技术实践和难点
现成的联邦学习工具和框架并非拿来即用的“灵丹妙药”
IEEE 联邦学习标准有望两年内推出，填补 AI 领域“黑洞”
月11日，创新工场宣布南京国际人工智能研究院执行院长冯霁当选IEEE联邦学习标准制定委员会副主席，并预计IEEE联邦学习标准将于两年内推出。
字节跳动在联邦学习领域的探索及实践
联邦学习在广告投放和金融等场景中的应用模式、算法研究、软件系统及实践经验。
基于联邦学习新技术连接数据孤岛
本次分享介绍微众银行人工智能团队开发并开源的工业级联邦学习技术框架。
不同于谷歌“联邦学习”，蚂蚁金服提出全新数据孤岛解决方案：共享机器学习
共享机器学习和联邦学习的差异点在哪里？
百度开源联邦学习框架 PaddleFL：简化大规模分布式集群部署
研究人员可以很轻松地用 PaddleFL 复现和比较不同的联邦学习算法
同样是解决数据问题，为什么需要联邦学习？
数据中台还不够吗？
只看这三点就够：快速了解联邦学习框架！
本文从部署、框架角度，总结了联邦学习工程落地与实现的部分内容，目的是帮助入门者快速了解联邦学习工程大致框架。
如何用 Spark 计算引擎执行 FATE 联邦学习任务？
FATE 1.5 LTS 版本支持使用 Spark 作为底层的计算引擎，本文将对其实现细节以及使用进行简单介绍，方便用户在实际的使用过程中进行调优或者排查错误。
联邦学习标准推出时间表确定：预计将于 2020 年上半年出台
在数据安全与隐私保护备受关注的环境下，联邦学习技术这一新兴的人工智能技术，有望成为下一代人工智能协作网络的基础，建立起机构与用户间的数据信任，推动科技向善。而联邦学习国际标准的制定，则将进一步为其在各行业的落地应用提供标准化的体系。
推动制定联邦学习国际标准 微众银行 AI 团队领衔数据安全行业规范
联邦学习标准制定加速推进 第四次工作组会议将于10月召开
华为云 AAAI 2021 论文：一站式 AI 平台 ModelArts 联邦学习服务技术揭秘
Data”成功入选。这篇论文首创自分组个性化联邦学习框架，该框架让拥有相似数据分布的客户进行更多合作，并对每个客户的模型进行个性化定制，从而有效处理普遍存在的数据分布不一致问题，并大幅度提高联邦学习性能。
使用 KubeFATE 在 Kubernetes 上部署联邦学习集群
随着联邦学习的正式投入使用，训练集、模型都会逐渐变大，在生产环境会遇到很多问题。
京公网安备 11010502039052号 | 产品资质
