深度学习核心技术精讲100篇(四十三)-人工智能新技术-知识普及篇:一文带你深入认识下联邦学习的前世今生
前言
联邦学习(Federated Learning)作为人工智能的一个新分支,为机器学习的新时代打开了大门。
本文为您解读:
1. 联邦学习为什么这么热?
2. 联邦学习能做什么?
3. 三合一速成法则告诉你联邦学习是什么?
4. “百万富翁”带你揭秘如何直观理解隐私保护技术?
5. 联邦学习会损害模型效果吗?
最热门的新技术
如果投票问人工智能和大数据应用领域有什么好玩又好用的新技术,“联邦学习”一定是排在前列的。这项技术由谷歌在2016年首次提出,从2018年8月开始在国内快速发展和普及,截至2020年2月,有公开资料可查的联邦学习研究或应用单位已超过百家,阿里、微众、京东、腾讯、华为、平安等各领域的头部企业均在大力推进。身边做技术和业务的朋友都在说:忽如一夜春风来,联邦学习突然就在圈子里传播了,在聊天中不发表点联邦学习的看法都不好意思。
最实用的新技术
第一个问题是,为什么联邦学习会突然冒出来、如此受欢迎呢?我们认为有以下几个重要的触发因素。
(1)在谷歌提出联邦学习之前,欧盟就在探讨移动互联网的隐私数据保护问题,于2016年4月通过了《通用数据保护条例》,并于2018年5月强制实施,严格约束了个人隐私数据的收集、传输、保留和处理。才过半年,谷歌即被罚款5000万欧元,
深度学习核心技术精讲100篇(四十三)-人工智能新技术-知识普及篇:一文带你深入认识下联邦学习的前世今生相关推荐
- 深度学习核心技术精讲100篇(二十八)-由浅入深概览机器学习优化算法
前言 学习算法一直以来是机器学习能根据数据学到知识的核心技术.而好的优化算法可以大大提高学习速度,加快算法的收敛速度和效果.本文从浅层模型到深度模型纵览监督学习中常用的优化算法,并指出了每一种优化算法 ...
- 深度学习核心技术精讲100篇(四十二)-阿里妈妈深度树匹配技术演进:TDM->JTM->BSAT
前言 召回阶段作为互联网搜索.推荐.广告服务架构中的重要一环,是决定了系统整体服务质量的天花板.从召回算法技术发展的过程来看,大致经历了启发式规则方法及向量检索两代技术体系.阿里妈妈定向广告团队于20 ...
- 深度学习核心技术精讲100篇(二十四)-简单谈下深度学习在中文分词中的应用
前言 随着深度学习的普及,有越来越多的研究应用新模型到中文分词上,让人直呼"手快有,手慢无".不过这些神经网络方法的真实水平如何?具体数值多少?以Sighan05中的PKU数据集为 ...
- 深度学习核心技术精讲100篇(七十四)-教你如何最快入门用户画像
前言 大家可能经常会听到用户画像这个词,但是具体在做的时候又会觉得无从下手,或者认为只是常规的标签统计,这往往是一个误区. 以下是我为大家准备的几个精品专栏,喜欢的小伙伴可自行订阅,你的支持就是我不断 ...
- 深度学习核心技术精讲100篇(四十四)-深度召回在招聘推荐中的挑战和实践
前言 招聘业务是多行为场景,用户需求和交互周期短.行为稀疏.本次分享基于业务挑战,将介绍代价敏感.向量检索等技术在招聘深度召回中的应用,最后总结实践中的教训与心得. 主要内容包括: 58招聘业务场景 ...
- 深度学习核心技术精讲100篇(四十)-微信“看一看“内容理解与推荐,背后深层次的技术知多少?
前言 相信对于不少人而言微信已经成为获取资讯的主要场景.与此同时,由于微信用户群体的庞大,也吸引了大量的内容生产者在微信公众平台创造内容,以获取用户关注.点赞.收藏等.微信内的内容推荐产品:看一看应运 ...
- 深度学习核心技术精讲100篇(六十四)-特征选择原理及应用实战案例
前言 据<福布斯>报道,每天大约会有 250 万字节的数据被产生.然后,可以使用数据科学和机器学习技术对这些数据进行分析,以便提供分析和作出预测.尽管在大多数情况下,在开始任何统计分析之前 ...
- 深度学习核心技术精讲100篇(五十四)-阿里文娱多模态视频分类算法中的特征改进
前言 类目体系是视频网站运营中的重要工具,也是推荐算法中提升冷启效果的重要手段.因此一套设计合理.准确率.覆盖率高的基础类目必不可少.阿里文娱类目体系建设团队与运营.审核一起建立的一二级类目体系,目前 ...
- 深度学习核心技术精讲100篇(四十九)-半监督学习在金融文本分类上的探索和实践
前言 垂直领域内的自然语言处理任务往往面临着标注数据缺乏的问题,而近年来快速发展的半监督学习技术为此类问题提供了有希望的解决方案.文本以 Google 在 2019 年提出的 UDA 框架为研究主体, ...
最新文章
- 后端返回number类型数据_【JavaScript 教程】标准库—Number 对象
- [转] GIS算法源码集合
- sun game server (sgs)初探
- 【计蒜客 - 蓝桥训练】欧拉函数(数学,数论,模板)
- 大号字代码php,如何用QQ发超大汉字_php
- JUnit5 预期的异常 – assertThrows()示例
- 立创EDA元件转换为AD库封装(Altium Designer)
- matlab pde工具箱解最优化控制,MATLAB PDE工具箱在半导体器件中的应用研究
- 【Java】 Java反射机制总结
- Echarts数据可视化series-map地图,开发全解+完美注释
- 台式电脑桌面没有计算机图标,电脑桌面图标全部消失怎么恢复 电脑桌面图标设置随意放置的方法...
- 点分十进制ip地址转为十进制数字地址-python3实现
- 如何使用手机裁剪图片大小?
- 【SharePoint】通过CAML Query查询SharePoint User or Group列(人员和用户组字段)
- 网站建设费用贵和便宜有什么区别?
- linux幸运字符,删好友后幸运字符怎么找回来
- np.savetxt()和np.loadtxt()
- bzoj1724【Usaco2006 Nov】Fence Repair 切割木板
- 122412_0529_WORD2013BLO1
- html中的bom和dom,BOM与DOM的区别
热门文章
- 管线命令 cut grep
- nginx+keepalived安装配置(整理中)
- telerik 某些ajax拿数据方式下 load on demand 不起作用
- PostgreSQL在何处处理 sql查询之二十二
- 强大的DataGrid组件[13]_字段过滤(Filter)——Silverlight学习笔记[21]
- win10如何下载适合自己python版本的pygame?
- Leetcode5634. 删除子字符串的最大得分[C++题解]:贪心
- 51Nod - 2142身份证号排序
- html 中写样式,css样式中黑体怎么写
- spring boot第六讲