PyVertical: یک چارچوب یادگیری فدرال عمودی

حریم خصوصی داده‌ها یکی از چالش‌های اصلی در هوش مصنوعی است.

یادگیری فدرال عمودی به حل این مسئله کمک می‌کند. این روش به سازمان‌ها اجازه می‌دهد تا مدل‌ها را روی مجموعه‌داده‌های مختلف، بدون اشتراک‌گذاری داده‌های خام، آموزش دهند.

PyVertical یک چارچوب جدید برای این فرآیند است که بر شبکه‌های عصبی تقسیم‌شده چند‌سر (Multi-headed Split Neural Networks) تمرکز دارد.

دلایل کاربردی بودن PyVertical عبارتند از:

  • از شبکه‌های عصبی تقسیم‌شده (Split Neural Networks) پشتیبانی می‌کند.
  • داده‌ها را میان طرف‌های مختلف مدیریت می‌کند.
  • از حریم خصوصی کاربران در طول آموزش محافظت می‌کند.
  • برای وظایف پیچیده و چند‌سر (multi-headed) عملکرد خوبی دارد.

زمانی از این چارچوب برای ساخت مدل استفاده می‌کنید که داده‌ها به‌صورت عمودی بین موجودیت‌های مختلف تقسیم شده باشند. هر طرف داده‌های خود را خصوصی نگه می‌دارد و در عین حال در ساخت یک مدل مشترک مشارکت می‌کند.

جزئیات کامل را اینجا بخوانید:

منبع: https://dev.to/paperium/pyvertical-a-vertical-federated-learning-framework-for-multi-headed-splitnn-5408

جامعه یادگیری اختیاری: https://t.me/GyaanSetuAi