想了解如何兼顧資料共享與隱私安全？
讓你腳踏實地，將理論知識深化為實踐能力！
★金融業工程師 實戰必備
★專案實作、延伸領域 一應俱全
▍本書介紹
隨著社會發展，資料隱私安全的關注度正不斷提高，資料擁有者極力反對無限制計算和使用敏感性資料。在未經許可下，隱私資訊若被商業機構利用即被視為違規，而不同領域間的資料分析也將變得越來越困難。
聯邦學習正是解決這些挑戰的關鍵技術。過去幾年不論在研究領域或產業領域，都見證了聯邦學習從無到有、由面對質疑到逐步嶄露頭角的過程。聯邦學習以同態加密等方法來保證本地訓練資料的隱私，同步實現多個資料擁有者協同訓練一個共用的機器學習模型。根據不同的應用場景，逐步發展出了橫向聯邦學習、縱向聯邦學習、聯邦遷移學習等類型。
本書不僅限於背景歷程、演算法模型、平台框架、應用實戰，更延伸至電腦視覺、自然語言處理等領域的思考與展望，是新一代AI工程師必備的技術參考。
本書特色
．FinTech和深度學習結合
．新一代機器學習，更安全穩定快速
．聯邦學習演算法，模型實作及多種演算法
．使用聯邦學習的推薦系統
．Docker/K8s的聯邦學習平台架設運行
．信用卡/保險評鑑機制的建立
．聯邦學習在電腦視覺、NLP、醫療、物聯網的實作專案