Federated Learning Systems: Towards Privacy-Preserving Distributed AI
Muhammad Habib ur Rehman · Mohamed Medhat Gaber
2025年4月 · Springer Nature
電子書籍
165
ページ
report評価とレビューは確認済みではありません 詳細
この電子書籍について
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.
この電子書籍を評価する
ご感想をお聞かせください。
読書情報
スマートフォンとタブレット
Android や iPad / iPhone 用の Google Play ブックス アプリをインストールしてください。このアプリがアカウントと自動的に同期するため、どこでもオンラインやオフラインで読むことができます。
ノートパソコンとデスクトップ パソコン
Google Play で購入したオーディブックは、パソコンのウェブブラウザで再生できます。
電子書籍リーダーなどのデバイス
Kobo 電子書籍リーダーなどの E Ink デバイスで読むには、ファイルをダウンロードしてデバイスに転送する必要があります。サポートされている電子書籍リーダーにファイルを転送する方法について詳しくは、ヘルプセンターをご覧ください。
