« Apprentissage fédéré » : différence entre les versions
m (Remplacement de texte — « [[Category: » par « [[Catégorie: ») |
m (Remplacement de texte — « ==Définition== » par « ==Définition== ») |
||
| Ligne 5 : | Ligne 5 : | ||
[[Catégorie:Apprentissage automatique]] | [[Catégorie:Apprentissage automatique]] | ||
<!-- Scotty2 --> | <!-- Scotty2 --> | ||
==Définition== | ==Définition== | ||
En intelligence artificielle et en apprentissage automatique, l'apprentissage fédéré, en anglais ''federated learning,'' est une méthode ou un paradigme qui consiste entraîner un algorithme sur la machine des utilisateurs d'une application et à partager les apprentissages réalisés sur la machine de chaque utilisateur. Cette méthode s'oppose à l'apprentissage centralisé où l'apprentissage se fait sur les serveurs du fournisseur de service. Elle permet notamment un meilleur respect de la vie privée des utilisateurs. | En intelligence artificielle et en apprentissage automatique, l'apprentissage fédéré, en anglais ''federated learning,'' est une méthode ou un paradigme qui consiste entraîner un algorithme sur la machine des utilisateurs d'une application et à partager les apprentissages réalisés sur la machine de chaque utilisateur. Cette méthode s'oppose à l'apprentissage centralisé où l'apprentissage se fait sur les serveurs du fournisseur de service. Elle permet notamment un meilleur respect de la vie privée des utilisateurs. | ||
Version du 18 avril 2020 à 08:30
Définition
En intelligence artificielle et en apprentissage automatique, l'apprentissage fédéré, en anglais federated learning, est une méthode ou un paradigme qui consiste entraîner un algorithme sur la machine des utilisateurs d'une application et à partager les apprentissages réalisés sur la machine de chaque utilisateur. Cette méthode s'oppose à l'apprentissage centralisé où l'apprentissage se fait sur les serveurs du fournisseur de service. Elle permet notamment un meilleur respect de la vie privée des utilisateurs.
Français
apprentissage fédéré
Anglais
federated learning
Contributeurs: Evan Brach, Jacques Barolet, Patrick Drouin, wiki
