C/C++教程

第十期圆桌会 | SecureBoost:挑战千万级别样本训练之性能提升篇

本文主要是介绍第十期圆桌会 | SecureBoost:挑战千万级别样本训练之性能提升篇,对大家解决编程问题具有一定的参考价值,需要的程序猿们随着小编来一起学习吧!

随着机器学习在各行各业的广泛应用, 数据过度采集、随意滥用等现象层出不穷,隐私保护、数据安全被提到了前所未有的高度,联邦学习应运而生,从技术维度出发,重点研究隐私保护和数据安全问题。FATE作为全球首个联邦学习工业级开源框架,旨在提供安全的计算框架来支持联邦 AI 生态。

本期圆桌会,社区邀请微众算法研究员陈伟敬为大家分享【SecureBoost:挑战千万级别样本训练之性能提升篇】。

 

第十期圆桌会

 

主题  SecureBoost:挑战千万级别

样本训练之性能提升篇

2021年5月26日 周三

19:00-20:00

在线直播

 

分享摘要

 

为了支持纵向联邦SecureBoost千万量级样本的训练,在最近的几个版本里面,FATE针对SecureBoost做了大量的优化,训练样本规模和性能都取得了非常显著的提升。本次会议将详细介绍Hetero-Secureboost使用的优化方法以及工程实现的细节。

 

分享嘉宾

 

微众银行人工智能部联邦学习团队算法研究员

陈伟敬

嘉宾简介:陈伟敬,微众银行联邦学习开源框架FATE算法研究员,负责核心算法Secureboost,联邦迁移学习FTL等核心模块的开发与优化工作。自加入微众以来,对负责的核心模块进行持续的优化并获得10倍以上的性能提升,同时产出9篇技术专利,专注于联邦学习领域的开发优化工作。

 

参与方式

 

私信回复【圆桌会】,报名参加。

这篇关于第十期圆桌会 | SecureBoost:挑战千万级别样本训练之性能提升篇的文章就介绍到这儿,希望我们推荐的文章对大家有所帮助,也希望大家多多支持为之网!