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

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。

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。

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！