联邦学习原理与PySyft实战

　　鉴于小数据和“数据孤岛”已经成为制约人工智能技术发展的关键挑战性问题。《联邦学习原理与PySyft实战》细致讲解人工智能领域的联邦学习原理，翔实阐述在平衡智能学习和信息安全的前提下，如何通过加密机制进行模型参数交换，安全地进行人工智能模型训练，所建立的虚拟共享智能模型与直接聚合所有数据获得的模型性能相近。除此之外，《联邦学习原理与PySyft实战》致力于全流程介绍联邦学习实践工具，帮助读者搭建完整的框架平台以及厘清它们之间的应用关系，推动人工智能技术转化应用落地，最后《联邦学习原理与PySyft实战》通过7个实践案例多维度展现了联邦学习实战。《联邦学习原理与PySyft实战》特点：旨在破除“数据孤岛”，满足隐私安全约束下实现高效智能模型训练和性能提升基于PySyft框架，分享联邦学习在隐私计算、计算机视觉、深度强化学习领域的落地实践案例帮助读者获得思路的启发和应用场景的共鸣，实现对实际问题创造性地程序化描述

　　高志强，军队指挥学武警信息化研究方向博士，毕业于中国人民武装警察部队工程大学，武警部队首届军事大数据工程专业筹备组成员。作为骨干成员参与研制多项武警部队信息化装备及平台系统，参与国家自然科学基金2项、陕西省自然科学基金1项。主要研究方向：深度学习、大数据与智能计算、面向大数据开放与治理的差分隐私保护数据发布关键技术研究及应用、粒子群优化算法等。

暂缺《联邦学习原理与PySyft实战》目录