查看原文
其他

直播预约丨关于联邦小样本学习和联邦图结构学习的主题沙龙


点击预约,进入视频号收看更多精彩活动

联邦学习(Fedrated Learning)是一种机器学习技术,可以在不交换数据样本的情况下,在多个分散的边缘设备或服务器上训练算法。它可以允许多个参与者在不共享数据的情况下构建一个通用强大的机器学习模型,从而允许解决关键问题,如数据隐私、数据安全、数据访问权限和对异构数据的访问。可以说,联邦学习是伴随着不断扩大的数据量而生的,数据无处不在,联邦学习的优势因此获得了政府、企业等各界的关注,伴随着最近AIGC的火热,关注联邦学习的人也越来越多。6月17日早上10:00 点,来自弗吉尼亚大学的两位博士将在线上开展一期关于联邦学习的线上沙龙《Federated learning (FL) Online Discussion》。沙龙将会探讨如何在分布式图数据上联合训练模型,并使用无图客户端?客户端之间的全局数据方差和每个客户端的本地数据不足/即缺乏足够的本地数据用于训练等等问题,如您感兴趣,可以直接点击海报预约直播。

(无法加群请添加微信 15968846980

直播:您可点击视频号预约,也可以扫码海报预约!

别忘了扫码进群,领取课程学习资料喔!

END最新活动:

直播预约|线上主题沙龙【AIGC与数据安全】活动邀您参与


组队学习TEE丨第一期 TEE-数据安全新范式

热门文章:




隐私计算头条周刊(06.05-06.11)


招募丨社区研究院第一期MPC相关书籍翻译工作启动


联邦学习在工业物联网领域的应用


盘点丨美国隐私计算技术的发展现状和应用案例


加入我们丨OpenMPC社区招募实习生

继续滑动看下一个

您可能也对以下帖子感兴趣

文章有问题?点此查看未经处理的缓存