书目

深入浅出联邦学习：原理与实践

内容简介

这是一本从基础、原理、实战、拓展4个维度系统讲解联邦学习的著作。作者是人工智能领域的资深专家，现任某大型金融集团科技公司联邦学习团队负责人，这本书不仅得到了中外院士的联合推荐，而且得到了来自清华大学、华中科技大学、百度、蚂蚁集团、同盾科技等学术界和企业界的专家的一致推荐。全书共9章，分为4个部分。第1部分基础（第1~2章）主要介绍了联邦学习的概念、由来、发展历史、架构思想、应用场景、优势、规范与标准、社区与生态等基础内容，帮助读者建立对联邦学习的感性认知。第二部分原理（第3~5章）详细讲解了联邦学习的工作原理、算法、加密机制、激励机制等核心技术，为读者进行联邦学习实践打好理论基础。第三部分实战（第6~7章）主要讲解了PySyft、TFF、CrypTen等主流联邦学习开源框架的部署实践，并给出了联邦学习在智慧金融、智慧医疗、智慧城市、物联网等领域的具体解决方案。第四部分拓展（第8~9章）概述了联邦学习的形态、联邦学习系统架构、当前面临的挑战等，并探讨了联邦学习的发展前景和趋势。

作者简介

王健宗（博士）某大型金融集团科技公司联邦学习团队负责人、高级工程师。中国计算机学会大数据专家委员会委员、杰出会员，中国计算机学会青年计算机科技论坛（YOCSEF深圳）优秀AC委员。深圳市领军人才，美国佛罗里达大学人工智能博士后。长期从事联邦智能隐私计算技术研发和平台搭建工作，发表联邦学习、深度学习、云计算、大数据等领域国际论文50余篇，获得专利100余项。著有《深入理解AutoML和AutoDL：构建自动化机器学习与深度学习平台》《金融智能：AI如何为银行、保险、证券业赋能》等书，同时还是多届国内外知名人工智能、大数据行业会议出品人。 李泽远  某大型金融集团科技公司高级人工智能产品经理，中国计算机学会会员，中国计算机学会青年计算机科技论坛（YOCSEF深圳）AC委员。长期负责AI技术类的产品生态搭建与实施推进，曾参与完成联邦学习、生物鉴权技术在金融领域平台型产品中的设计与落地投产，在全周期项目中积累有丰富的实战经验。 何安珣某大型金融集团科技公司高级算法工程师，中国计算机学会会员，中国计算机学会青年计算机科技论坛（YOCSEF深圳）委员。拥有丰富的金融人工智能从业经验，主要研究金融智能系统框架搭建、算法研究和模型融合技术等，致力于推动金融智能的落地应用与价值创造。

目录

—  END  —