杨强教授领衔撰写，国内首本联邦学习实战的权威著作

联邦学习——一种新型的、基于数据隐私保护技术实现的分布式训练范式。

自提出以来，就受到了学术界和工业界的广泛关注。

近年来，联邦学习飞速发展，成为解决数据孤岛和用户隐私问题的首选方案。

如何应用联邦学习进行实战，也成了大家普遍关心的问题。

为了帮助大家更好地将联邦学习应用在实际项目中，杨强教授再次带领团队撰写了国内首本联邦学习实战的权威著作——《联邦学习实战（全彩）》。

本书结合联邦学习案例，有助于读者更深入地理解联邦学习这一新兴的学科。

全书分为五大部分，共19章。

其中既有理论知识的系统性总结，又有详细的案例分析，包括经典的案例和实战代码，适合工程开发人员和学生群体使用。

组织结构严谨

▊ Part 1

简要回顾联邦学习的理论知识点，包括联邦学习的分类、定义，联邦学习常见的安全机制，等等。

▊ Part 2

介绍如何使用Python和FATE进行简单的联邦学习建模，指导读者从零开始构建一个简单的联邦学习模型。

此外，本部分还总结了当前常见的联邦学习平台。

▊ Part 3

联邦学习的案例分析，涉及视觉、个性化推荐、金融保险、攻防、医疗等领域的经典案例，并探讨联邦学习在这些领域中的应用和落地实践。

▊ Part 4

主要介绍和联邦学习相关的高级知识点，包括联邦学习的架构和训练的加速方法；联邦学习与区块链、split learning、边缘计算的异同等内容，适合想进一步提升的读者。

▊ Part 5

对本书的总结及对联邦学习技术的未来展望。

适用对象广泛

▊ 开发人员

不仅包含当前经典的联邦学习落地案例，部分案例还提供了代码，阐述了FATE平台的使用，有助于开发人员快速上手。

▊ 高校学生

提供联邦学习理论的系统性总结，有助于读者快速掌握联邦学习的基本概念，并可在此基础上进一步阅读实战案例，将理论与实战相结合，加深对联邦学习的理解。

▊ 联邦学习产品人员

深入阐述联邦学习的落地案例和相关应用，有助于快速了解当下的联邦学习产品形态。

内容特色鲜明

深度剖析前沿应用案例，侧重于工程实践。
丰富的配套视频资源、线上资源。
部分案例配以Python代码讲解。

作者实力可鉴

▊ 杨强教授

微众银行首席人工智能官（CAIO）和香港科技大学（HKUST）计算机科学与工程系讲席教授。

曾任香港科技大学计算机科学与工程系系主任。

研究兴趣包括人工智能、机器学习和数据挖掘，特别是迁移学习、自动规划、联邦学习和基于案例的推理。

▊ 黄安埠

微众银行AI项目组资深研究员，毕业于清华大学。

在机器学习、隐私保护安全计算、推荐系统和计算机视觉等领域有丰富的研究和落地经验。

▊ 刘洋

微众银行AI项目组资深研究员、研究团队负责人。

研究兴趣包括机器学习、联邦学习、迁移学习、多智能体系统、统计力学以及这些技术的产业应用。

2012年获得普林斯顿大学博士学位，2007年获得清华大学学士学位。

▊ 陈天健

微众银行AI项目组副总经理，目前负责构建基于联邦学习技术的银行智能生态系统。

拥有超过15年的大规模分布式智能系统设计经验，并在Web搜索引擎、对等网络存储、计算基因组学、个性化推荐系统、数字银行等多个应用领域中实现了技术创新。

业内大咖盛赞

《联邦学习实战》一书，对联邦学习的理论和应用案例做了系统性的阐述和分析，相信能够为广大科研工作者、企业开发人员提供有效的指导和参考。

——陈纯中国工程院院士

杨强教授是世界级人工智能研究专家，在这一领域的学术和产业两端都有非常深的造诣。希望这本《联邦学习实战》可以为业内人士和机器学习的从业者与爱好者带来启发与思考。

——沈南鹏红杉资本全球执行合伙人

数据资产化是实现人工智能产业价值的核心环节，而联邦学习是其中的关键技术。书中严谨而深入浅出的阐述为读者们提供了非常有效的工具。

——陆奇奇绩创坛创始人

为了互联网更好的未来，我们需要建立负责任的数据经济体系：既能充分实现数据价值，又能很好地保护用户的数据隐私，还能公平地分配数据创造的价值。

联邦学习正是支撑这一愿景的重要技术。本书阐述了该领域的实际应用案例，对联邦学习的付诸实施有重要的指导意义。

——Dawn Song 美国加州大学伯克利分校教授

阅读小贴士

结合《联邦学习》一起阅读，效果更好！

▊ Step 1

阅读本书的理论总结部分，对联邦学习建立快速的认识。

▊ Step 2

对于想进一步掌握某个具体算法理论的读者，可以同时阅读《联邦学习》一书，加深理解。

▊ Step 3

挑选本书的案例深入思考并落于实践，或者结合代码练习，将对联邦学习的认知提升到新的高度。

配套代码和相关资源可在GitHub中获取：

https://github.com/FederatedAI/Practicing-Federated-Learning

杨强教授著作

▊《联邦学习实战》

杨强黄安埠刘洋陈天健著

经典案例一手实践
配套Python代码和丰富线上教学资源（含视频）

▊《联邦学习》

杨强刘洋程勇康焱陈天健于涵著

凝聚了杨强教授带领的微众银行AI团队在联邦学习领域的多年学术成果和工程经验
剖析了联邦学习与数据安全、隐私保护的前沿学术成果
涵盖隐私保护技术，联邦学习定义、分类、算法和系统，联邦学习激励机制等
论述联邦学习在计算机视觉、自然语言处理和推荐系统等领域的应用
探讨如何解决用户隐私、数据安全及联邦学习应用落地问题

杨强教授领衔撰写，国内首本联邦学习实战的权威著作相关推荐

杨强教授领衔力作，《迁移学习》最新出炉，解决AI“最后一公里”问题 | 赠书...
本文内容节选自<迁移学习>一书.由杨强教授领衔撰写. 迁移学习解决的是系统如何快速地适应新场景.新任务和新环境的问题,在目标域中只有少量标记数据可用时,它赋予了机器学习系统利用辅助数据和模 ...
杨强教授演讲视频：数据要素与联邦学习（附文字摘要）
关注"亨利笔记"公众号,后台回复: 数据要素,可获取杨强教授演讲PPT.回复 kubefate,可以加入联邦学习开源项目 KubeFATE 交流群. 9月25日,VMware 联合 ...
杨强教授：《可信联邦学习与开源生态》主题演讲视频
题图摄于天安门广场 9月26日,由 LF AI & DATA 基金会主办的AICON 2022在杭州成功举办!来自全球的人工智能领域顶尖科学家.行业专家及著名企业家齐聚一堂,分享全球人工智能行 ...
演讲实录丨CAAI名誉副理事长杨强教授：人工智能的金融实践
杨强 CAAI 名誉副理事长.微众银行首席人工智能官 AAAI/ACM/IEEE/CAAI/AAAS Fellow 转自中国人工智能学会 CAAI原创丨作者杨强教授以下是杨强教授的演讲实录: 今 ...
专访 | 杨强教授谈CCAI、深度学习泡沫与人工智能入门
文 | 胡永波 7 月 22 - 23 日,由中国人工智能学会.阿里巴巴集团 & 蚂蚁金服主办,CSDN.中国科学院自动化研究所承办的第三届中国人工智能大会(CCAI 2017)将在杭州国际会 ...
7月7日云栖精选夜读：专访 | 杨强教授谈CCAI、深度学习泡沫与人工智能入门
摘要: 中国人工智能学会.阿里巴巴集团 & 蚂蚁金服主办,CSDN.中国科学院自动化研究所承办,云栖社区作为独家直播合作伙伴的第三届中国人工智能大会(CCAI 2017)将在杭州国际会议中心盛 ...
杨强教授第四范式内部分享：漫谈《西部世界》、GAN及迁移学习
本文来自AI新媒体量子位(QbitAI) 以下内容根据杨强教授演讲编写,略微有所删减. 有些人看过电视剧<西部世界>-在<西部世界>里,你可能问的一个关键问题是什么?就是当剧中 ...
科学式家｜杨强教授漫谈《西部世界》、生成式对抗网络及迁移学习
「范式大学」由第四范式发起,致力于成为"数据科学家"的黄埔军校,校长为第四范式首席科学家,华人界首个国际人工智能协会AAAI Fellow.唯一的AAAI 华人执委杨强教授. ［范 ...
深度学习 - 强化学习 -迁移学习（杨强教授报告）
李宏毅机器学习课程-Transfer Learning 深度学习 -> 强化学习 ->迁移学习(杨强教授报告) 链接: http://pan.baidu.com/s/1nu6DMRn 密码 ...
《联邦学习实战》杨强读书笔记十七——联邦学习加速方法
目录同步参数更新的加速方法增加通信间隔减少传输内容非对称的推送和获取计算和传输重叠异步参数更新的加速方法基于模型集成的加速方法 One-Shot联邦学习基于有监督的集成学习方法基于半 ...

杨强教授领衔撰写，国内首本联邦学习实战的权威著作

杨强教授领衔撰写，国内首本联邦学习实战的权威著作相关推荐

最新文章

热门文章