Federated Learning
Lingua: inglese
Editore: Springer, Berlin, Springer Aug 2026, 2026
- Brossura
- Nuovo
Da: BuchWeltWeit Ludwig Meier e.K., Bergisch Gladbach, GermaniaBuchWeltWeit Ludwig Meier e.K.
Venditore AbeBooks dal 11 gennaio 2012
Condizione: Nuovo
EUR 149,79
Quantità: 2 disponibili
Aggiungi al carrelloDescrizione dell’articolo da parte del venditore
This item is printed on demand - it takes 3-4 days longer - Neuware -This book serves as a primer on a secure computing framework known as federated learning. Federated learning is the study of methods to enable multiple parties to collaboratively train machine learning/AI models, while each party retains its own, raw data on-premise, never sharing it with others. This book is designed to be accessible to anyone with a background in undergraduate applied mathematics. It covers the basics of topics from computer science that are needed to understand examples of simple federated computing frameworks. It is my hope that by learning basic concepts and technical jargon from computer science, readers will be able to start collaborative work with researchers interested in secure computing. Chap. 1 provides the background and motivation for data security and federated learning and the simplest type of neural network. Chap. 2 introduces the idea of multiparty computation (MPC) and why enhancements are needed to provide security and privacy. Chap. 3 discusses edge computing, a distributed computing model in which data processing takes place on local devices, closer to where it is being generated. Advances in hardware and economies of scale have made it possible for edge computing devices to be embedded in everyday consumer products to process large volumes of data quickly and produce results in near real-time. Chap. 4 covers the basics of federated learning. Federated learning is a framework that enables multiple parties to collaboratively train AI models, while each party retains control of its own raw data, never sharing it with others. Chap. 5 discusses two attacks that target weaknesses of federated learning systems: (1) data leakage, i.e., inferring raw data used to train an AI model by unauthorized parties, and (2) data poisoning, i.e., a cyberattack that compromises data used to train an AI model to manipulate its output. 82 pp. Englisch.…
Codice articolo 9789819692255
- Titolo
- Federated Learning
- Autore
- Mei Kobayashi
- Editore
- Springer, Berlin, Springer Aug 2026
- Anno di pubblicazione
- 2026
- Condizione
- Neu
- Rilegatura
- Taschenbuch
- Lingua
- inglese
- ISBN 10
- 9819692253
- ISBN 13
- 9789819692255
- Dimensioni
- 235x155x35 mm
This book serves as a primer on a secure computing framework known as federated learning. Federated learning is the study of methods to enable multiple parties to collaboratively train machine learning/AI models, while each party retains its own, raw data on-premise, never sharing it with others. This book is designed to be accessible to anyone with a background in undergraduate applied mathematics. It covers the basics of topics from computer science that are needed to understand examples of simple federated computing frameworks. It is my hope that by learning basic concepts and technical jargon from computer science, readers will be able to start collaborative work with researchers interested in secure computing. Chap. 1 provides the background and motivation for data security and federated learning and the simplest type of neural network. Chap. 2 introduces the idea of multiparty computation (MPC) and why enhancements are needed to provide security and privacy. Chap. 3 discusses edge computing, a distributed computing model in which data processing takes place on local devices, closer to where it is being generated. Advances in hardware and economies of scale have made it possible for edge computing devices to be embedded in everyday consumer products to process large volumes of data quickly and produce results in near real-time. Chap. 4 covers the basics of federated learning. Federated learning is a framework that enables multiple parties to collaboratively train AI models, while each party retains control of its own raw data, never sharing it with others. Chap. 5 discusses two attacks that target weaknesses of federated learning systems: (1) data leakage, i.e., inferring raw data used to train an AI model by unauthorized parties, and (2) data poisoning, i.e., a cyberattack that compromises data used to train an AI model to manipulate its output.
"Riassunto" può appartenere a un’altra edizione di questo titolo.
Informazioni sull’autore
Mei Kobayashi holds an A.B. from Princeton University in Chemistry and a M.A. and Ph.D. in mathematics from the University of California at Berkeley. She was Researcher at IBM for 26 years working on: inverse problems, control theory, airflow simulations digital steganography, applications of wavelets, and text analysis. Subsequently, she joined NTT communications as Data Science Specialist, where she was Co-Manager of a team to initiate digital transformation in the Customer Services Division. She is currently Member of the Research and Development Team at EAGLYS. In addition to her work, she was Visiting Associate Professor at the University of Tokyo and Visiting Researcher at OIST, has taught at Japanese National Universities in: Kyoto, Tsukuba, Hiroshima, and Tokyo, and is currently teaching at Tsuda Women's University. She has been serving on the Editorial Board of the Communications of the ACM for over a decade and was Columnist for SIAM News.
"Descrizione articolo" può appartenere a un’altra edizione di questo titolo.
BuchWeltWeit Ludwig Meier e.K.
Bergisch Gladbach, Germania
Venditore AbeBooks dal 11 gennaio 2012
Tariffe di spedizione da Germania a U.S.A.
| Articolo | Da 5 a 15 giorni lavorativi | Da 5 a 15 giorni lavorativi |
|---|---|---|
| Primo articolo | EUR 23,00 | EUR 23,00 |
Metodi di pagamento
- Assegno
- Bonifico bancario
- PayPal
Informazioni sull’azienda del venditore
BuchWeltWeit Ludwig Meier e.K.
Germania
Condizioni di vendita
BuchWeltWeit Inh. Ludwig Meier e.K.
Inhaber: Ludwig Meier
De-Gasperi-Str. 8
51469 Bergisch Gladbach
Deutschland
Tel.: +49(0)22028659300
Fax: +49(0)22028659301
E-Mail: info@buchweltweit.de
Registergericht: Amtsgericht Köln
Registernummer: HRA 28253
Umsatzsteuer-Identifikationsnummer: DE815259907
Wir sind zur Teilnahme an einem Streitbeilegungsverfahren vor einer Verbraucherschlichtungsstelle weder verpflichtet noch bereit.
Diritto di recesso
Se sei un consumatore puoi recedere dal contratto in conformità con quanto segue. Per Consumatore si intende qualsiasi persona fisica che agisce per scopi estranei alla propria attività commerciale, imprenditoriale, artigianale o professionale.
Informazioni sul diritto di recesso
Diritto legale di recesso
Hai il diritto di recedere dal presente contratto entro 14 giorni senza fornire alcuna motivazione.
Il periodo di recesso scade dopo 14 giorni dal giorno in cui tu o una terza parte, diversa dal vettore e da te indicata, acquisisce il possesso fisico dell'ultimo bene o dell'ultimo lotto o pezzo.
Per esercitare il diritto di recesso, compila e invia elettronicamente una dichiarazione esplicita sul nostro sito Web, alla voce “I miei acquisti” nella sezione “Mio account”. Ti comunicheremo senza indugio una conferma di ricezione di tale recesso su un supporto durevole (ad es. via e-mail).
Per rispettare il termine di recesso, è sufficiente inviare la comunicazione relativa all'esercizio del diritto di recesso prima della scadenza del periodo di recesso stesso.
Effetti del recesso
In caso di recesso dal presente contratto, ti rimborseremo tutti i pagamenti ricevuti, compresi i costi di spedizione (ad eccezione dei costi supplementari derivanti dalla tua eventuale scelta di un tipo di spedizione diverso dal tipo meno costoso di consegna standard da noi offerto).
Potremo effettuare una detrazione dal rimborso per la perdita di valore dei beni forniti, qualora tale perdita sia il risultato di una manipolazione non necessaria da parte tua.
Eseguiremo il rimborso senza indebito ritardo e non oltre 14 giorni dal giorno in cui saremo informati della tua decisione di recedere dal presente contratto.
Il rimborso sarà effettuato utilizzando lo stesso mezzo di pagamento da te usato per la transazione iniziale, salvo che tu non abbia espressamente concordato altrimenti; in ogni caso, non dovrai sostenere alcun costo quale conseguenza di tale rimborso.
Possiamo trattenere il rimborso finché non avremo ricevuto i beni oppure finché non avrai fornito la prova di averli rispediti, a seconda di quale condizione si verifichi per prima.
Dovrai rispedire i beni o consegnarli a BuchWeltWeit Ludwig Meier e.K., Bergisch Gladbach, Germany, senza indebito ritardo e, in ogni caso, entro 14 giorni dal giorno in cui ci hai comunicato la tua volontà di recedere dal presente contratto. Il termine è rispettato se rispedisci i beni prima della scadenza del periodo di 14 giorni. I costi diretti della restituzione dei beni saranno a tuo carico. Sei responsabile solo della diminuzione del valore dei beni risultante da una manipolazione diversa da quella necessaria per stabilire la natura, le caratteristiche e il funzionamento dei beni stessi.
Eccezioni al diritto di recesso
Il diritto di recesso non si applica a:
- La fornitura di giornali, periodici o riviste ad eccezione dei contratti di abbonamento; e
- La fornitura di contenuto digitale non fornito su un supporto materiale (ad es. su un CD o DVD), se al momento dell'invio dell'ordine hai accettato l'inizio dell'esecuzione e hai riconosciuto che non avresti potuto recedere una volta iniziata l'esecuzione.
Condizioni di spedizione
Der Versand ins Ausland findet IMMER mit DHL statt. Auch nach Österreich verschicken wir nur mit DHL! Daher Standardversand == Luftpost!