内容简介
数据孤岛和隐私保护已经成为制约人工智能发展的关键因素。联邦学习作为一种新型的隐私保护计算方案，在数据不出本地的前提下，能有效联合各参与方联合建模，从而实现“共同富裕”，成为当下人工智能领域备受关注的热点。
《联邦学习实战》以实战为主（包括对应用案例的深入讲解和代码分析），兼顾对理论知识的系统总结。全书由五部分共19 章构成。第一部分简要介绍了联邦学习的理论知识；第二部分介绍如何使用Python 和FATE 进行简单的联邦学习建模；第三部分是联邦学习的案例分析，筛选了经典案例进行讲解，部分案例用Python 代码实现，部分案例采用FATE 实现；第四部分主要介绍和联邦学习相关的高级知识点，包括联邦学习的架构和训练的加速方法等；第五部分是回顾与展望。
《联邦学习实战》适合对联邦学习和隐私保护感兴趣的高校研究者、企业研发人员阅读。
杨强教授
微众银行首席人工智能官（CAIO）和香港科技大学（HKUST）计算机科学与工程系讲席教授。曾任香港科技大学计算机科学与工程系系主任。研究兴趣包括人工智能、机器学习和数据挖掘，特别是迁移学习、自动规划、联邦学习和基于案例的推理。
当选多个国际协会会士（Fellow），包括ACM、AAAI、IEEE、IAPR， CAAI和AAAS。
1982 年获北京大学天体物理学学士学位，并分别于1987年和1989 年获马里兰大学帕克分校计算机科学系硕士学位和博士学位。曾在滑铁卢大学（University of Waterloo,1989-1995 年）和西蒙弗雷泽大学（Simon Fraser University, 1995-2001 年）担任教授。
ACM TIST 和IEEE TBD 创始主编，国际人工智能联合会议（IJCAI）理事长（2017-2...
作者简介
杨强（1961年—），北京人，中国人工智能科学家，香港理工大学人工智能高等研究院院长、数据科学及人工智能学系讲座教授，前香港科技大学计算机科学与工程学系主任、讲席教授，大学新明工程学教授、大数据研究所主任。兼任深圳大学计算机与软件学院特约教授、博士生导师。 == 生平 == 1985年于马里兰大学天体物理专业获得硕士学位。1987年于马里兰大学计算机系获得硕士学位。1989年马里兰大学计算机系获得博士学位。 2012年，在香港成立华为诺亚方舟实验室并担任首席主任。
点击查看全部下载链接（含网盘地址及提取码）
