机读格式显示(MARC)

• 000 01506nam0 2200277 450

• 001 0000594045

• 005 20230620165100.0

• 010 __ |a 978-7-121-42301-7 |d CNY109.00

• 100 __ |a 20230420d2022 em y0chiy50 ea

• 101 0_ |a chi

• 102 __ |a CN |b 110000

• 105 __ |a a a 000yy

• 106 __ |a r

• 200 1_ |a 联邦学习原理与应用 |A lian bang xue xi yuan li yu ying yong |d = Federated learning |f 向小佳 ... [等] 著 |z eng

• 210 __ |a 北京 |c 电子工业出版社 |d 2022.01

• 215 __ |a XII, 300页 |c 图 |d 24cm

• 304 __ |a 题名页题其余责任者: 李琨, 王鹏, 郑方兰, 田江

• 314 __ |a 向小佳, 光大科技有限公司副总经理。

• 320 __ |a 有书目 (第290-300页)

• 330 __ |a 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。

• 510 1_ |a Federated learning |z eng

• 606 0_ |a 机器学习 |A ji qi xue xi

• 690 __ |a TP181 |v 5

• 701 _0 |a 向小佳 |A xiang xiao jia |4 著

• 801 _0 |a CN |b 辽批 |c 20230426

• 905 __ |a LIB |d TP181/268