[ad_1]
फ़ेडरेटेड लर्निंग को स्वास्थ्य सेवा में आवेदन करने के लिए कहा जाता है, जहां अस्पताल और दवा कंपनियां निजी नैदानिक जानकारी साझा किए बिना बीमारियों के इलाज के लिए डेटा का आदान-प्रदान कर सकती हैं।
(टॉप 5 टेक कहानियों के त्वरित स्नैपशॉट के लिए हमारे आज के कैश न्यूजलेटर की सदस्यता लें। क्लिक करें यहाँ मुफ्त में सदस्यता लें।)
स्मार्ट होम डिवाइस जैसे स्पीकर और स्मार्ट घड़ियों नेटवर्क पर अन्य उपकरणों और प्रणालियों के साथ डेटा एकत्र करते हैं और साझा करते हैं। ये इंटरनेट ऑफ थिंग्स (IoT) डिवाइस सेंसर और सॉफ्टवेयर से लैस हैं जो उपयोगकर्ता की निजी जानकारी जैसे शरीर के माप और स्थान को संग्रहीत करते हैं।
इस संग्रहीत डेटा का उपयोग डिवाइस निर्माता अपने उत्पादों और सेवाओं को बेहतर बनाने के लिए करते हैं।
मिसौरी यूनिवर्सिटी ऑफ साइंस एंड टेक्नोलॉजी के शोधकर्ताओं के अनुसार, मशीन फ़ेडरेशन (ML) मॉडल में सुधार, जिसे ‘फ़ेडरेटेड लर्निंग’ कहा जाता है, कंपनियों को उनकी गोपनीयता से समझौता किए बिना अनाम डेटा एकत्र करने के नए तरीके विकसित करने में सक्षम बनाता है।
‘संघबद्ध शिक्षा ’क्या है?
Federated Learning एक ML विधि है जिसका उपयोग कई विकेन्द्रीकृत उपकरणों या डेटा नमूनों को धारण करने वाले सर्वरों में एक एल्गोरिथम को प्रशिक्षित करने के लिए किया जाता है। यह उपकरणों के साथ डेटा का आदान-प्रदान नहीं करता है, जिसका अर्थ है कि कोई केंद्रीय डेटासेट या सर्वर नहीं है जो जानकारी संग्रहीत करता है।
यह भी पढ़े | संयुक्त राष्ट्र ने बिग डेटा से प्राप्त नस्लीय प्रोफाइलिंग के पुलिस उपयोग का फैसला किया
मानक एमएल मॉडल को सभी डेटा को एक सर्वर में केंद्रीकृत करने की आवश्यकता होती है। फ़ेडरेटेड लर्निंग के कार्यान्वयन से स्टोरेज हब बनाए रखने की आवश्यकता समाप्त हो जाती है।
यह शब्द पहली बार 2016 में Google अध्ययन में ‘विकेंद्रीकृत डेटा से गहरे नेटवर्क के संचार-कुशल सीखने’ शीर्षक से पेश किया गया था।
Google ने मोबाइल फोन और टैबलेट पर जोर दिया, जिसमें कहा गया है कि आधुनिक उपकरणों में भाषण मान्यता और छवि मॉडल जैसी विशेष विशेषताएं हैं जो बड़ी मात्रा में डेटा संग्रहीत कर सकते हैं।
तब से, Google ने तकनीक का उपयोग किया है जिसमें Gboard सहित विभिन्न उत्पाद हैं, जो कीबोर्ड को टेक्स्ट और वाक्यांश सुझाव प्रदान करता है। Google ने कहा था कि उपयोगकर्ता द्वारा टाइप की गई या बोली गई बातों को छोड़कर सुझाव अन्य सेवाओं को भेजे जा सकते हैं।
यह कैसे काम करता है
स्पष्ट रूप से डेटा का आदान-प्रदान किए बिना, स्थानीय तंत्रिका में समाहित कई स्थानीय डेटासेट पर फेडरेटेड लर्निंग का उद्देश्य एक एल्गोरिथ्म को गहन तंत्रिका नेटवर्क की तरह प्रशिक्षित करना है। सामान्य सिद्धांत में इन नोड्स के बीच मापदंडों का आदान-प्रदान करना शामिल है। पैरामीटर में फेडरेटेड लर्निंग राउंड की संख्या, नोड्स की कुल संख्या और सीखने की दर शामिल है।
यह भी पढ़े | एमआईटी, हार्वर्ड टीम एआई-आधारित निर्णय लेने में सुधार के लिए नए मॉडल का विकास करती है
अध्ययन में कहा गया है कि मॉडल का अलग फायदा डिवाइस और क्लाउड के बजाय केवल हमले की सतह तक सीमित करके गोपनीयता और सुरक्षा जोखिमों को कम करने की क्षमता है।
फ़ेडरेटेड लर्निंग को स्वास्थ्य सेवा में आवेदन करने के लिए कहा जाता है, जहां अस्पताल और दवा कंपनियां निजी नैदानिक जानकारी साझा किए बिना बीमारियों के इलाज के लिए डेटा का आदान-प्रदान कर सकती हैं।
।
[ad_2]
Source link