CS_ALearn/openmlsys-zh
1
0
Fork 0
mirror of https://github.com/openmlsys/openmlsys-zh.git synced 2026-04-28 04:23:14 +08:00
Code Issues Projects Releases Wiki Activity

Added font descriptions in figures and text (#286)

Browse Source 
* Create Pic-Instruction

* Delete Pic-Instruction

* Create Requirements and Instructions

* Update Requirements and Instructions

* Rename Requirements and Instructions to Requirements and Instructions.md

* Update Requirements and Instructions.md

* Update Requirements and Instructions.md

* Add files via upload

* Update summary.md

* Update Requirements and Instructions.md

* Modified font in pic template

Modified font in pic template, under the  Pic -> Instruction

* Added font descriptions in figures and text

Added font descriptions in figures and text, modified the PPT template, under the info->Pic_Instruction path.

* Update summary.md

* Update summary.md

Co-authored-by: Dalong <39682259+eedalong@users.noreply.github.com>
This commit is contained in:
Rudy_Tan
2022-04-25 20:28:28 +08:00
committed by GitHub
parent 7b02e5f4ff
commit a6ed0101f7
3 changed files with 6 additions and 2 deletions
Download Patch File Download Diff File Expand all files Collapse all files

3
chapter_federated_learning/summary.md
View File

@@ -1,3 +1,4 @@
## 小结
在这一章，我们简单介绍了联邦学习的背景、系统架构、联邦平均算法、隐私加密算法以及实际部署时的挑战。联邦学习是一个新起步的人工智能算法，可以在“数据保护”与“数据孤岛”这两大约束条件下，建立有效的机器学习模型。此外，由于联邦学习场景的特殊性（端侧数据不上传、安全隐私要求高和数据非独立同分布等特点），使得系统和算法的开发难度更高：如何平衡计算和通讯的开销？如何保证模型不会泄露隐私？算法如何在非独立同分布场景下收敛？等等，都需要开发人员对实际的联邦学习场景有更深刻的认识。
在这一章，我们简单介绍了联邦学习的背景、系统架构、联邦平均算法、隐私加密算法以及实际部署时的挑战。联邦学习是一个新起步的人工智能算法，可以在“数据保护”与“数据孤岛”这两大约束条件下，建立有效的机器学习模型。
此外，由于联邦学习场景的特殊性（端侧数据不上传、安全隐私要求高和数据非独立同分布等特点），使得系统和算法的开发难度更高。如何平衡计算和通讯的开销，如何保证模型不会泄露隐私，以及算法如何在非独立同分布场景下收敛等等，都需要开发人员对实际的联邦学习场景有更深刻的认识。