Federated Learning は、複数のリモート・パーティーがデータを共有せずに単一の機械学習モデルを共同でトレーニングするためのツールを提供します。 各パーティーは、専用データ・セットを使用してローカル・モデルをトレーニングします。 すべてのパーティーにメリットをもたらすグローバル・モデルの品質を向上させるために、ローカル・モデルのみがアグリゲーターに送信されます。
データ形式'
CSVファイル、JSONファイル、PostgreSQL用データベースを含むがこれらに限定されないあらゆるデータ形式。
必要な資格
タスク認証
統合学習の仕組み
この概要ビデオを視聴して、統合学習エクスペリメントの基本的な概念とエレメントを学習します。 企業の分析機能拡張にツールを適用する方法を説明します。
このビデオは、本書の概念とタスクを学習するためのビジュアル・メソッドを提供します。
統合学習を使用する例として、航空同盟がグローバルなパンデミックが航空会社の遅延にどのように影響するかをモデル化する場合が挙げられます。 フェデレーションの各参加者は、データを移動したり共有したりすることなく、データを使用して共通モデルをトレーニングできます。 これは、アプリケーション・サイロや、規制や実用的な考慮事項によりユーザーがデータを共有できないその他のシナリオのいずれかで行うことができます。 その結果、アライアンスの各メンバーは、データ移行やプライバシー問題のリスクを軽減しながら、ビジネスインサイトの向上というメリットを得ることができます。
以下の図に示すように、パーティーは地理的に分散し、異なるプラットフォームで実行することができます。 あるメンバーは北米のリレーショナルデータベースを備えた物理サーバーで作業し、別のメンバーは仮想マシンで作業し、Cloud Object Storageヨーロッパでは、最後のメンバーはラップトップと CSV ファイルを使用してオーストラリアで作業する可能性があります。
IBM 統合学習を使用する理由
IBM 統合学習には、多くの企業業界にわたる幅広いアプリケーションがあります。 統合学習:
- 大量のデータを持つサイトを、マイグレーションせずに企業規模で収集、クリーンアップ、およびトレーニングすることができます。
- データ形式、品質、および制約の違いに対応します。
- さまざまなデータ・ソースを使用してモデルをトレーニングしながら、データ・プライバシーとセキュリティーに準拠します。
詳細情報
親トピック: データの分析とモデルの作成