Federated Learning Systems: Towards Privacy-Preserving Distributed AI
Muhammad Habib ur Rehman · Mohamed Medhat Gaber
אפר׳ 2025 · Springer Nature
ספר דיגיטלי
165
דפים
reportהביקורות והדירוגים לא מאומתים מידע נוסף
מידע על הספר הדיגיטלי הזה
This book dives deep into both industry implementations and cutting-edge research driving the Federated Learning (FL) landscape forward. FL enables decentralized model training, preserves data privacy, and enhances security without relying on centralized datasets. Industry pioneers like NVIDIA have spearheaded the development of general-purpose FL platforms, revolutionizing how companies harness distributed data. Alternately, for medical AI, FL platforms, such as FedBioMed, enable collaborative model development across healthcare institutions to unlock massive value.
Research advances in PETs highlight ongoing efforts to ensure that FL is robust, secure, and scalable. Looking ahead, federated learning could transform public health by enabling global collaboration on disease prevention while safeguarding individual privacy. From recommendation systems to cybersecurity applications, FL is poised to reshape multiple domains, driving a future where collaboration and privacy coexist seamlessly.
רוצה לדרג את הספר הדיגיטלי הזה?
נשמח לשמוע מה דעתך.
איך קוראים את הספר
סמארטפונים וטאבלטים
כל מה שצריך לעשות הוא להתקין את האפליקציה של Google Play Books ל-Android או ל-iPad/iPhone. היא מסתנכרנת באופן אוטומטי עם החשבון שלך ומאפשרת לך לקרוא מכל מקום, גם ללא חיבור לאינטרנט.
מחשבים ניידים ושולחניים
ניתן להאזין לספרי אודיו שנרכשו ב-Google Play באמצעות דפדפן האינטרנט של המחשב.
eReaders ומכשירים אחרים
כדי לקרוא במכשירים עם תצוגת דיו אלקטרוני (e-ink) כמו הקוראים האלקטרוניים של Kobo, צריך להוריד קובץ ולהעביר אותו למכשיר. יש לפעול לפי ההוראות המפורטות במרכז העזרה כדי להעביר את הקבצים לקוראים אלקטרוניים נתמכים.
