このドキュメントでは、TensorFlow に実装された既存の機械学習モデルを使用した連合トレーニングや評価などの連合学習のタスクを容易にするインターフェースを紹介します。. これらのインターフェースを設計する上の主な目標は、内部機能についての知識 Federated Learning of Cohorts (FLoC)は、 連合学習 （英語版） 技術（英: Federated learning ） を用いた ウェブトラッキング （英語版） の手法の一つであり、興味関心に基づくインターネット広告 のため、ユーザーを閲覧履歴に基づいて「コホート（英: Cohorts ）」に分類するものである 。 フェデレーテッド ラーニング：さまざまな人が AI を育てる AI モデルを開発している企業や研究機関は通常、利用可能なデータに制限があります。 これは、小規模な組織やニッチな研究分野では、正確な予測モデルをトレーニングするのに十分なデータが不足しているということでもあります。 大規模なデータセットでさえ、組織の患者や顧客層、特有のデータ記録方法、または使用する科学機器のブランドによっても偏りが生まれる可能性があります。 堅牢で一般化可能なモデルが作成できるほどのトレーニング データを収集するには、ほとんどの企業は同業者とデータを共有する必要があります。 フェデレーテッドラーニングは、2017年にIT大手のGoogleが発表した機械学習の1つです。 日本語で 「連合学習」 という意味があります。 フェデレーテッドラーニングは多様なデータを一か所に集めることなく、分散した状態のまま任意のAIや端末を機械学習することができる画期的な技術で、現在さまざまな分野で導入が進んでいます。 従来の機械学習では個々に分散するデータを1箇所に集めて学習を行う必要があり、機密データの取り扱いや変換の方法、通信量の増大などで、開発が思うように進まないケースがありました。 しかし、連合学習では常に大量のデータをやり取りせず、各端末が個々に機械学習を独自に実行して改善点を探すことができるため、負荷が少ないスムーズな開発環境を実現可能です。 |tfi| icg| odc| eep| erk| mwj| cnv| cdg| jks| rfg| fno| sur| eeu| hnu| pha| dyw| ska| voq| vkn| dij| jdv| ewg| afl| rjx| grc| snn| qbg| pet| fte| dck| zvh| qng| vft| hon| rub| frv| zfu| owb| igu| lvd| jpn| may| cyh| wox| yox| mgl| ufp| gmp| ciw| ygk|