संघीय शिक्षा एक है यंत्र अधिगम तकनीक जो कई पार्टियों को अपना डेटा साझा किए बिना मॉडल को प्रशिक्षित करने की अनुमति देती है। इसका उपयोग कई उद्योगों में किया जा रहा है, मोबाइल डिवाइस कीबोर्ड से लेकर स्वास्थ्य देखभाल से लेकर स्वायत्त वाहनों से लेकर तेल रिसाव तक। यह उन स्थितियों में विशेष रूप से उपयोगी है जहां डेटा साझाकरण विनियमन द्वारा सीमित है, या संवेदनशील या मालिकाना है, क्योंकि यह संगठनों को डेटा गोपनीयता का त्याग किए बिना मशीन सीखने की परियोजनाओं पर सहयोग करने की अनुमति देता है। यह उन स्थितियों में भी सहायक होता है जहां डेटा का आकार निषेधात्मक रूप से बड़ा होता है, जिससे डेटा केंद्रीकरण धीमा और महंगा हो जाता है।
मशीन लर्निंग में मुख्य बाधाओं में से एक बड़ी मात्रा में डेटा की आवश्यकता है। यह उन संगठनों के लिए एक चुनौती हो सकती है जिनके पास बड़े डेटासेट तक पहुंच नहीं है, या उनके लिए जो संवेदनशील डेटा के साथ काम कर रहे हैं जिसे साझा नहीं किया जा सकता है। फ़ेडरेटेड लर्निंग इन संगठनों को अपना डेटा साझा किए बिना एक साझा मॉडल में योगदान करने की अनुमति देता है।
फ़ेडरेटेड लर्निंग डेटा एकरूपता के मुद्दे को दूर करने में भी मदद कर सकता है। कई मामलों में, मॉडल को स्रोतों के एक छोटे समूह से डेटा पर प्रशिक्षित किया जाता है जो सामान्य जनसंख्या का प्रतिनिधित्व नहीं करते हैं। संकीर्ण डेटासेट पर प्रशिक्षित मॉडल अच्छी तरह से सामान्यीकरण नहीं करते हैं और इस प्रकार अधिक व्यापक रूप से तैनात किए जाने पर खराब प्रदर्शन करते हैं। संघीय शिक्षण इन सभी डेटा स्रोतों से डेटा को केंद्रीकृत करने की आवश्यकता के बिना डेटा स्रोतों के एक बड़े और अधिक विविध सेट पर प्रशिक्षण मॉडल की अनुमति देता है, इस प्रकार बेहतर प्रदर्शन के साथ अधिक मजबूत मॉडल का नेतृत्व करता है।
इसके अतिरिक्त, क्लाउड कंप्यूट संसाधनों की लागत मशीन सीखने में बाधा बन सकती है। प्रशिक्षण मशीन लर्निंग मॉडल कम्प्यूटेशनल रूप से गहन हो सकते हैं, जिसके लिए ग्राफिकल प्रोसेसिंग यूनिट (जीपीयू) जैसे महंगे हार्डवेयर की आवश्यकता होती है। प्रशिक्षण के लिए क्लाउड इंस्टेंसेस का उपयोग करना बहुत जल्दी महंगा हो सकता है। फ़ेडरेटेड लर्निंग संगठनों को मॉडल प्रशिक्षण के भार को साझा करने और कम उपयोग किए गए कंप्यूट संसाधनों या सर्वरों का उपयोग करने की अनुमति देता है जो उनके पास पहले से ही उनके डेटा केंद्रों में हैं। इससे बड़ी कम्प्यूट-गहन प्रशिक्षण प्रक्रियाओं में महत्वपूर्ण लागत बचत हो सकती है।
कई संगठन बड़े डेटा सेटों की अनावश्यक प्रतियाँ बनाने के बारे में भी चिंतित हैं। यह उच्च भंडारण लागतों के साथ-साथ ऑन-प्रिमाइसेस डेटा केंद्रों और क्लाउड खातों के बीच या विभिन्न क्लाउड खातों के बीच डेटा स्थानांतरित करने के लिए क्लाउड प्रदाताओं की लागत को बढ़ा सकता है। फ़ेडरेटेड लर्निंग संगठनों को अपने डेटा की एक प्रति बनाए रखने की अनुमति देती है और मॉडल को डेटा के साथ प्रशिक्षित करने के लिए इसे किसी भिन्न स्थान या क्लाउड खाते में ले जाने की आवश्यकता नहीं होती है।
एक और चुनौती जो मशीन लर्निंग के उपयोग को सीमित कर सकती है वह है गोपनीयता और नियामक बाधाएं. मॉडल को प्रशिक्षित करने के लिए उपयोग किए जाने वाले डेटा में व्यक्तिगत रूप से पहचान योग्य जानकारी (पीआईआई) या व्यक्तिगत स्वास्थ्य सूचना (पीएचआई) जैसी संवेदनशील जानकारी हो सकती है। फ़ेडरेटेड लर्निंग संगठनों को अपना डेटा साझा किए बिना मॉडल को प्रशिक्षित करने की अनुमति देता है, जो इन गोपनीयता और नियामक चिंताओं को कम करने में मदद कर सकता है।
डेटा साझा किए बिना बड़े और अधिक विविध डेटासेट की शक्ति को अनलॉक करने के लिए पहले से ही कई उद्योगों में फ़ेडरेटेड लर्निंग का उपयोग किया जा रहा है। उदाहरण के लिए, 2021 में ए COVID निर्णय समर्थन एल्गोरिथम फ़ेडरेटेड लर्निंग (पूर्ण प्रकटीकरण: इस परियोजना का नेतृत्व हमारे सह-संस्थापक और सीईओ द्वारा किया गया था) का उपयोग करके दुनिया भर के 20 अस्पतालों के डेटा के साथ प्रशिक्षित किया गया था, और 2022 में ब्रेन कैंसर मार्जिन डिटेक्शन एल्गोरिथम का उपयोग करके दुनिया भर के 71 अस्पतालों के डेटा के साथ प्रशिक्षित किया गया था। Google फ़ेडरेटेड लर्निंग का उपयोग करता रहा है टाइप किए गए अगले शब्द की भविष्यवाणी करें 2018 से Google Android कीबोर्ड पर (पूर्ण प्रकटीकरण: अपनी कंपनी के सह-संस्थापक होने से पहले, मैंने Google में काम किया था और फ़ेडरेटेड लर्निंग का उपयोग करने वाली परियोजनाओं में शामिल था)।
संक्षेप में, फ़ेडरेटेड लर्निंग मशीन लर्निंग में कई बाधाओं को दूर करने में मदद कर रहा है, जिसमें बड़ी मात्रा में डेटा की आवश्यकता, कंप्यूट संसाधनों की लागत और डेटा भंडारण और स्थानांतरण, डेटा एकरूपता की चुनौती, और गोपनीयता और नियामक चिंताएँ शामिल हैं। यह संगठनों को डेटा गोपनीयता का त्याग किए बिना मशीन लर्निंग प्रोजेक्ट्स पर सहयोग करने की अनुमति देता है, मशीन लर्निंग के उपयोग का लोकतंत्रीकरण करता है और बड़े विविध प्रशिक्षण डेटा तक पहुंच बनाता है, जिससे अधिक मजबूत और बेहतर प्रदर्शन करने वाले मॉडल मिलते हैं।
- एसईओ संचालित सामग्री और पीआर वितरण। आज ही प्रवर्धित हो जाओ।
- प्लेटोब्लॉकचैन। Web3 मेटावर्स इंटेलिजेंस। ज्ञान प्रवर्धित। यहां पहुंचें।
- स्रोत: https://www.dataversity.net/how-federated-learning-is-helping-to-overcome-obstacles-in-machine-learning/
- 2018
- 2021
- 2022
- a
- About
- पहुँच
- लेखा
- अकौन्टस(लेखा)
- के पार
- सब
- की अनुमति देता है
- पहले ही
- राशियाँ
- और
- एंड्रॉयड
- चारों ओर
- स्वायत्त
- स्वायत्त वाहनों
- बन
- से पहले
- जा रहा है
- बेहतर
- के बीच
- मोटे तौर पर
- कैंसर
- नही सकता
- कौन
- मामलों
- केंद्र
- केंद्रीकरण
- केंद्रीकृत
- मुख्य कार्यपालक अधिकारी
- चुनौती
- बादल
- सह-संस्थापक
- सहयोग
- कंपनी
- गणना करना
- चिंतित
- चिंताओं
- योगदान
- लागत
- लागत बचत
- लागत
- बनाना
- तिथि
- डेटा केन्द्रों
- गोपनीय आँकड़ा
- डेटा सेट
- डेटा साझा करना
- डेटा भंडारण
- डेटासेट
- डेटावर्सिटी
- निर्णय
- लोकतंत्रीकरण
- तैनात
- खोज
- युक्ति
- विभिन्न
- प्रकटीकरण
- कई
- नहीं करता है
- dont
- उदाहरण
- महंगा
- से
- पूर्ण
- सामान्य जानकारी
- गूगल
- GPUs
- हार्डवेयर
- होने
- स्वास्थ्य
- स्वास्थ्य परिचर्या
- स्वास्थ्य जानकारी
- मदद
- सहायक
- मदद
- हाई
- अस्पतालों
- कैसे
- HTTPS
- in
- सहित
- उद्योगों
- करें-
- शामिल
- मुद्दा
- IT
- बड़ा
- बड़ा
- नेतृत्व
- प्रमुख
- सीख रहा हूँ
- नेतृत्व
- सीमा
- सीमित
- भार
- स्थान
- मशीन
- यंत्र अधिगम
- मुख्य
- बनाए रखना
- निर्माण
- बहुत
- हाशिया
- कम करना
- मोबाइल
- मोबाइल डिवाइस
- आदर्श
- मॉडल
- अधिक
- चलती
- विभिन्न
- प्रकृति
- आवश्यकता
- अगला
- संख्या
- बाधा
- बाधाएं
- तेल
- आदेश
- संगठनों
- काबू
- विशेष रूप से
- पार्टियों
- प्रदर्शन
- स्टाफ़
- व्यक्तिगत स्वास्थ्य
- व्यक्तिगत रूप से
- Pii
- प्लेटो
- प्लेटो डेटा इंटेलिजेंस
- प्लेटोडाटा
- आबादी
- बिजली
- एकांत
- प्रक्रियाओं
- प्रसंस्करण
- परियोजना
- परियोजनाओं
- मालिकाना
- प्रदाताओं
- जल्दी से
- विनियमन
- नियामक
- प्रतिनिधित्व
- की आवश्यकता होती है
- उपयुक्त संसाधन चुनें
- मजबूत
- त्याग
- बचत
- संवेदनशील
- सेट
- सेट
- कई
- Share
- साझा
- बांटने
- महत्वपूर्ण
- के बाद से
- एक
- स्थितियों
- आकार
- धीमा
- छोटा
- सूत्रों का कहना है
- भंडारण
- ऐसा
- सारांश
- समर्थन
- RSI
- दुनिया
- लेकिन हाल ही
- सेवा मेरे
- रेलगाड़ी
- प्रशिक्षित
- प्रशिक्षण
- स्थानांतरण
- स्थानांतरित कर रहा है
- इकाइयों
- अनलॉक
- उपयोग
- उपयोग
- वाहन
- कौन कौन से
- बिना
- शब्द
- काम किया
- काम कर रहे
- विश्व
- नर्म
- जेफिरनेट