Nedir Federe Öğrenme
Veri aktarımı olmadan dağıtık öğrenme
Federe Öğrenme — modelin gizliliği koruyarak merkezileştirme olmadan dağıtık veriler üzerinde eğitildiği makine öğrenimi yaklaşımı.
Nasıl çalışır
- Yerel eğitim — model kullanıcı cihazlarında eğitilir
- Gradyan toplama — yalnızca model parametreleri sunucuya gönderilir
- Model güncelleme — küresel model veri erişimi olmadan güncellenir
- Federe ortalama — ağırlık birleştirme için FedAvg algoritması
- Diferansiyel gizlilik — koruma için gürültü ekleme
Avantajlar
- Veri gizliliği — veriler cihazı asla terk etmez
- GDPR uyumluluğu — kişisel veri aktarımı yok
- Dağıtık veri kullanımı — büyük hacimlere erişim
- Azaltılmış gecikme — yerel işleme
- Düşük ağ yükü — yalnızca parametreler aktarılır
Uygulamalar
- Akıllı telefon klavyeleri — tahmine dayalı giriş eğitimi
- Sağlık — farklı kliniklerden veri analizi
- Finans — veri ifşası olmadan ortak modeller
- IoT — uç cihazlarda eğitim
- Araçlar — video aktarımı olmadan otopilot iyileştirme