檢視联邦学习原理与PySyft实战的原始碼

{| class="wikitable" align="right"
|-
|<center><img src=https://www0.kfzimg.com/sw/kfz-cos/kfzimg/10564427/ed4dda4865f1601f_s.jpg width="260"></center>
<small>[https://book.kongfz.com/155184/7574803834 来自 孔夫子网 的图片]</small>
|}

《'''联邦学习原理与PySyft实战'''》，高志强 著，出版社： 中国铁道出版社有限公司。

读书，可以与时俱进，开阔自己，提高自己，充实自己，完善自己，是全球[[文化]]<ref>[https://epaper.gmw.cn/gmrb/html/2015-10/14/nw.D110000gmrb_20151014_1-13.htm 文化的作用是什么]，光明网，2015-10-14</ref>科技知识扩容和更新的需要，是知识<ref>[https://www.sohu.com/a/110337865_464088 什么是知识？]，搜狐，2016-08-13</ref>经济和社会发展的要求。

==内容简介==

鉴于小数据和“数据孤岛”已经成为制约人工智能技术发展的关键挑战性问题。

《联邦学习原理与PySyft实战》细致讲解[[人工智能]]领域的联邦学习原理，翔实阐述在平衡智能学习和信息安全的前提下，如何通过加密机制进行模型参数交换，安全地进行人工智能模型训练，所建立的虚拟共享智能模型与直接聚合所有数据获得的模型性能相近。

除此之外，《联邦学习原理与PySyft实战》致力于全流程介绍联邦学习实践工具，帮助读者搭建完整的框架平台以及厘清它们之间的应用关系，推动人工智能技术转化应用落地，最后《联邦学习原理与PySyft实战》通过7个实践案例多维度展现了联邦学习实战。

《联邦学习原理与PySyft实战》特点：

旨在破除“数据孤岛”，满足隐私安全约束下实现高效智能模型训练和性能提升

基于PySyft框架，分享联邦学习在隐私计算、[[计算机]]视觉、深度强化学习领域的落地实践案例

帮助读者获得思路的启发和应用场景的共鸣，实现对实际问题创造性地程序化描述

==参考文献==
[[Category:040 類書總論；百科全書總論]]