联邦学习如何入门，学习路径，Transformer与联邦学习高阶研修班，总结心得

学习路径

报名了贪心科技的课程，联邦学习的，总结一些心得，分享给大家

名称

Transformer与联邦学习高阶研修班

贪心学院的联邦学习与隐私计算

总结资料获取路径：

 链接：https://pan.baidu.com/s/1eh8cj9-Pr63lK8hSbjJ3dg 
提取码：ytk8 

话题简介

联邦学习（Federated Learning）是一种新兴的人工智能基础技术，在 2016 年由谷歌最先提出，原本用于解决安卓手机终端用户在本地更新模型的问题，其设计目标是在保障大数据交换时的信息安全、保护终端数据和个人数据隐私、保证合法合规的前提下，在多参与方或多计算结点之间开展高效率的机器学习。其中，联邦学习可使用的机器学习算法不局限于神经网络，还包括随机森林等重要算法。联邦学习有望成为下一代人工智能协同算法和协作网络的基础。

联邦导读

先了解 google 联邦学习最早提出时的 motivation 和基本定义，对这个范式的基本逻辑掌握清楚，顺带了解最基本的 FedAvg 的逻辑方法。

开山之作: Communication-Efficient Learning of Deep Networks from Decentralized Data.

Privacy-Preserving Deep Learning

Google GBoard 介绍报道: Federated Learning: Collaborative Machine Learning without Centralized Training Data

Google GBoard 视频讲解: Making every phone smarter with Federated Learning

 

综述介绍

再去阅读一些综述性的文章，全面认识一下联邦学习的应用场景和技术路线。

杨强老师的综述: Federated Machine Learning: Concept and Applications

将联邦学习按业务逻辑分为了横向联邦学习、纵向联邦学习 和 联邦迁移学习。