安徽科技学院图书馆书目检索系统

Online Public Access Catalogue

题名/责任者:

联邦学习原理与应用/向小佳 ... [等] 著

出版发行项:

北京:电子工业出版社,2022.01

ISBN及定价:

978-7-121-42301-7/CNY109.00

载体形态项:

XII, 300页:图;24cm

并列正题名:

Federated learning

个人责任者:

向小佳 著

学科主题:

机器学习

中图法分类号:

TP181

题名责任附注:

题名页题其余责任者: 李琨, 王鹏, 郑方兰, 田江

责任者附注:

向小佳, 光大科技有限公司副总经理。

书目附注:

有书目 (第290-300页)

提要文摘附注:

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。

豆瓣简介：