« Apprentissage fédéré horizontal » : différence entre les versions
m (Patrickdrouin a déplacé la page Horizontal federated learning vers Apprentissage fédéré horizontal) |
Aucun résumé des modifications |
||
| Ligne 1 : | Ligne 1 : | ||
==en | == Définition == | ||
En apprentissage fédéré, l'apprentissage fédéré horizontal consiste à utiliser plusieurs sources de données conjointement pour entraîner un modèle sous la coordination d'un serveur central, tout en conservant les données d'entraînement sur l'appareil client afin garantir la confidentialité des données. | |||
==Compléments== | |||
L'apprentissage fédéré horizontal, ou apprentissage fédéré par échantillonnage, est utilisé dans des scénarios où les ensembles de données partagent les mêmes attributs, mais diffèrent en termes d'échantillons. | |||
== Français == | == Français == | ||
''' | ''' apprentissage fédéré horizontal ''' | ||
''' apprentissage fédéré par échantillonnage ''' | |||
== Anglais == | == Anglais == | ||
''' | ''' horizontal federated learning ''' | ||
<!-- In the horizontal federated learning setting, multiple clients jointly train a model under the coordination of the central server, while the training data is kept on the client to ensure privacy. | |||
Horizontal federated learning, or sample-based federated learning, is introduced in the scenarios that data sets share the same feature space but different in sample. | Horizontal federated learning, or sample-based federated learning, is introduced in the scenarios that data sets share the same feature space but different in sample. --> | ||
| Ligne 22 : | Ligne 27 : | ||
[https://blog.openmined.org/federated-learning-types/ Source : openmined ] | [https://blog.openmined.org/federated-learning-types/ Source : openmined ] | ||
[[Catégorie: | [http://espace.etsmtl.ca/id/eprint/2447/1/BOUOUDINA_Selma.pdf Source : Bououdina 2020 ] | ||
[https://datascience.eu/fr/apprentissage-automatique/apprentissage-federe/ Source : Datascience] | |||
[[Catégorie:Publication]] | |||
Version du 18 avril 2023 à 15:06
Définition
En apprentissage fédéré, l'apprentissage fédéré horizontal consiste à utiliser plusieurs sources de données conjointement pour entraîner un modèle sous la coordination d'un serveur central, tout en conservant les données d'entraînement sur l'appareil client afin garantir la confidentialité des données.
Compléments
L'apprentissage fédéré horizontal, ou apprentissage fédéré par échantillonnage, est utilisé dans des scénarios où les ensembles de données partagent les mêmes attributs, mais diffèrent en termes d'échantillons.
Français
apprentissage fédéré horizontal
apprentissage fédéré par échantillonnage
Anglais
horizontal federated learning
Contributeurs: Patrick Drouin, wiki
