買這商品的人也買了...
-
$454無線傳感器網絡原理 (Principles of wireless sensor networks) -
主數據驅動的數據治理 — 原理、技術與實踐$534$507 -
特徵工程入門與實踐 (Feature Engineering Made Easy)$301$283 -
$454深度學習模型及應用詳解 -
雲端深入你我身邊：新一代邊緣運算技術直達$650$514 -
對抗機器學習：機器學習系統中的攻擊和防禦$414$393 -
遷移學習 -- TRANSFER LEARNING (楊強教授新作)$834$792 -
GAN 對抗式生成網路 (GANs in Action: Deep learning with Generative Adversarial Networks)$750$592 -
$505聲紋技術：從核心算法到工程實踐 -
$604聯邦學習技術及實戰 -
聯邦學習實戰$714$678 -
深入淺出聯邦學習：原理與實踐$474$450 -
深度強化學習：基礎、研究與應用$658$619 -
人工智慧再進化：聯邦學習讓資料更安全穩固$880$695 -
聯邦學習：原理與算法$768$730 -
聯邦學習原理與應用$556$523 -
不再理論化：聯邦學習親自動手工程專案實作$780$616 -
$505聯邦學習：算法詳解與系統實現 -
跨數據中心機器學習：賦能多雲智能數算融合$528$502 -
$560動手學深度學習 (PyTorch 版) -
$556Python深度學習：基於PyTorch 第2版 -
ChatGPT 與 AI 繪圖效率大師（第二版）：添加 GPT-4、Bing Chat、ChatGPT plugins 等全新章節，從日常到職場全方位應用，打造AI極簡新生活$690$538 -
聯邦學習原理與算法$654$621 -
AI + IoT 佈建邊緣運算 - 電腦視覺業界專案原理及實作$980$774 -
LLM 大型語言模型的絕世祕笈：27路獨步劍法，帶你闖蕩生成式 AI 的五湖四海 （iThome鐵人賽系列書）$650$507
商品描述
鑑於小數據和“數據孤島”成為製約人工智能技術發展的關鍵挑戰性問題。
本書全方位講解人工智能領域的聯邦學習原理，翔實闡述在平衡智能學習和信息安全的前提下，
如何通過加密機制進行模型參數交換，安全地進行人工智能模型訓練，
所建立的虛擬共享智能模型與直接聚合所有數據獲得的優模型性能相近。
除此之外，本書致力於全流程介紹聯邦學習實踐工具，
幫助讀者搭建完整的框架平臺以及它們之間的應用關係，
推動人工智能技術轉化應用落地；後本書通過7個實踐案例全維度展現聯邦學習實戰。
作者簡介
高志強，
指揮學武警信息化研究方向博士，畢業於中國人民武裝警察部隊工程大學，武警部隊屆軍事大數據工程專業籌備組成員。
作為骨乾成員參與研製多項武警部隊信息化裝備及平臺系統，
參與國家自然科學基金2項、陝西省自然科學基金1項。
主要研究方向：
深度學習、大數據與智能計算、面向大數據開放與治理的差分隱私保護數據發布關鍵技術研究及應用、粒子群優化算法等。
目錄大綱
第1章 聯邦學習的時代背景
1.1 大數據時代的“數據孤島”
1.1.1 信息孤島
1.1.2 數據孤島
【思維拓展】數據中台
1.2 人工智能視角下的隱私保護與數據安全
1.2.1 大數據的隱私保護
【思維拓展】大規模隱私泄露事件
1.2.2 人工智能時代的隱私與安全
【思維拓展】無處安放的隱私——特斯拉在盯著你
1.3 聯邦學習的使命任務
1.3.1 大勢所趨：政策法律和市場風向
1.3.2 合法合規：“可用不可見”的數據流通
1.3.3 破解之道：人工智能與隱私、數據安全的兼得
1.4 本章小結
第2章 聯邦學習的理論基礎
2.1 人工智能的前世今生
2.1.1 人工智能簡史
【追本溯源】達特茅斯會議
2.1.2 人工智能釋義
2.2 人工智能中的“人工”
2.2.1 特徵工程
【概念釋義】科學、技術、工程
2.2.2 數據工程
2.3 人工智能是如何“智能”的
2.3.1 機器學習
2.3.2 深度學習
【思維拓展】群體智能
2.4 人工智能中的隱私保護與安全技術
2.4.1 信息安全的基石
2.4.2 隱私保護應用場景與技術
2.5 本章小結
第3章 聯邦學習原理與架構技術解析
3.1 聯邦學習的起源
3.1.1 研究背景
3.1.2 研究內容
【知識補充】梯度下降算法
3.2 聯邦學習中“聯邦”釋義
3.2.1 相關概念與定義
3.2.2 聯邦架構與生態
3.3 聯邦學習如何“學習”
3.3.1 聯邦學習中“學習”的分類
3.3.2 聯邦學習中“學習”的流程
【知識擴展】聯邦學習的標準化
3.4 聯邦學習的“學習”成品
3.4.1 生命大數據可信計算平臺
3.4.2 京東智聯雲聯邦學習平臺
3.4.3 百度安全聯邦計算
3.4.4 基於中國乳腺癌標準數據庫的聯邦學習
3.4.5 火山引擎Jeddak聯邦學習平臺
3.5 本章小結
第4章 聯邦學習關鍵技術與應用場景解析
4.1 面向應用場景的關鍵技術
4.1.1 橫向聯邦學習
4.1.2 縱向聯邦學習
4.1.3 聯邦遷移學習
4.1.4 聯邦強化學習
4.1.5 鏈式聯邦學習
4.2 面向性能優化的關鍵技術
4.2.1 通信開銷優化
4.2.2 系統異構性
4.2.3 數據統計異質性
4.2.4 隱私保護
4.3 應用場景
4.3.1 金融場景
4.3.2 醫療場景
4.3.3 教育場景
4.3.4 智能製造場景
4.4 聯邦學習研究展望
4.5 本章小結
第5章 開發框架安裝實戰
5.1 OpenMined開源社區
5.2 Pytorch與PySyft框架
5.2.1 Pytorch框架
5.2.2 PySyft框架
5.3 PySyft框架的安裝
5.3.1 環境準備
【工具辨析】pip與conda
5.3.2 安裝與測試
【基礎夯實】Python編程強化
【思維拓展】TensorFlow聯邦學習框架
【新的嘗試】基於Windowsl0內置Linux子系統安裝PySyft框架
5.4 本章小結
第6章 PySyft基本操作實戰
6.1 相關概念梳理
6.1.1 向量
6.1.2 矩陣
6.1.3 概率
6.2 PySyft中張量與指針的基本操作
6.3 PySyft基本操作綜合案例
6.3.1 簡單的張量加法案例
6.3.2 基於指針的遠程操作案例
6.3.3 基於指針的鏈式操作案例
【思維拓展】結合TensorFlow框架的PySyft操作
6.4 本章小結
第7章 聯邦線性回歸實戰
7.1 線性回歸基礎理論
【實戰測試】基於Pytorch的線性回歸實戰
【知識拓展】多元線性回歸
7.2 基於信任的聯邦線性回歸案例
7.3 基於安全節點的聯邦線性回歸案例
7.4 基於沙盒機制的波士頓房價預測案例
7.4.1 波士頓房價數據集介紹
7.4.2 基於沙盒機制的案例實現
7.5 本章小結
第8章 聯邦捲積神經網絡圖像識別實戰
8.1 捲積神經網絡基本理論
【知識拓展】走進捲積
8.2 基於Pytorch的捲積神經網絡圖像識別案例
8.3 基於聯邦捲積神經網絡的圖像識別案例
8.3.1 基於MNIST數據集的聯邦捲積神經網絡模型
【知識拓展】手寫字識別
8.3.2 基於RESNET網絡模型的圖像加密推理
【實踐拓展】圖像識別的加密強化
8.4 本章小結
第9章 面向邊緣智能的異步聯邦學習實戰
9.1 泛在智能與聯邦學習
9.1.1 去中心化的泛在智能
9.1.2 異步聯邦學習
【擴展學習】智能硬件：嵌入式智能
9.2 基於PySyf的異步聯邦學習實戰
9.2.1 基於Nvidia終端的異步聯邦學習架構設置
9.2.2 訓練及結果
9.2.3 基於智能手機的異步聯邦學習效果分析
【硬件實戰】樹莓派上安裝PySyft
【擴展學習】基於Paddle FL平臺的FedVision
9.3 本章小結
第10章 基於聯邦學習架構的遠程通信實戰
10.1 基於遠程通信的PySyft基本操作
10.1.1 網絡通信基本原理
10.1.2 PySyft的遠程通信架構
10.2 基於遠程通信的秘密共享案例
