联邦学习套装：理论+实战(套装共2册)(博文视点出品)

数据孤岛和隐私保护已经成为制约人工智能发展的关键因素。联邦学习作为一种新型的隐私保护计算方案，在数据不出本地的前提下，能有效联合各参与方联合建模，从而实现“共同富裕”，成为当下人工智能领域备受关注的热点。 《联邦学习实战》以实战为主（包括对应用案例的深入讲解和代码分析），兼顾对理论知识的系统总结。全书由五部分共19 章构成。优秀部分简要介绍了联邦学习的理论知识；第二部分介绍如何使用Python和FATE进行简单的联邦学习建模；第三部分是联邦学习的案例分析，筛选了经典案例进行讲解，部分案例用Python代码实现，部分案例采用FATE实现；第四部分主要介绍和联邦学习相关的高级知识点，包括联邦学习的架构和训练的加速方法等；第五部分是回顾与展望。本套书透彻讲解了联邦学习作为一种新型的隐私保护计算方案在人工智能领域的重要性，涵盖联邦学习从理论到实战的全过程，既有Python和FATE实现的联邦学习模型代码分析，也有高级知识点的阐述，更有经典案例的深入探讨。本书是人工智能领域必不可少的参考书籍。