Uploads from ‍김성범[ 교수 / 산업경영공학부 ]

Currently Playing: [Open DMQA Seminar] Federated Learning

스마트폰과 같은 사용자 기기에서 생성되는 데이터는 현실적이고 다양한 사용자 환경을 반영한다는 장점이 있다. 그러나 이러한 데이터는 여러 기기에 분산되어 있고, 프라이버시 문제로 인해 쉽게 공유할 수 없어 모델 학습에 활용이 어렵다는 문제점이 있다. 연합 학습(federated learning)은 데이터를 공유하지 않으면서, 여러 기기가 협력하여 모델을 학습해 이를 해결한다. 본 세미나에서는 연합 학습 기본 개념과 대표적인 알고리즘, 그리고 그 활용 가능성을 소개하고자 한다. 참고자료 : [1] McMahan, H. B., Moore, E., Ramage, D., Hampson, S., & Agüera y Arcas, B. (2017). Communication-efficient learning of deep networks from decentralized data. In Proceedings of the 20th International Conference on Artificial Intelligence and Statistics (AISTATS), JMLR: W&CP, 54. [2] Li, T., Sahu, A. K., Zaheer, M., Sanjabi, M., Talwalkar, A., & Smith, V. (2020). Federated optimization in heterogeneous networks. Proceedings of Machine Learning and Systems(MLSys), 2, 429–450. [3] Li, X., Huang, K., Yang, W., Wang, S., & Zhang, Z. (2020). On the convergence of FedAvg on non-IID data. International Conference on Learning Representations (ICLR). [4] Kairouz, P., McMahan, H. B., Avent, B., Bellet, A., Bennis, M., Bhagoji, A. N., … Zhao, S. (2021). Advances and open problems in federated learning. Foundations and Trends in Machine Learning, 14(1–2), 1–210.