Kvíz spojený s průvodcem · Střední úroveň

Federovaný výukový kvíz

Používejte aktualizace federovaného modelu, vážené průměrování a zabezpečenou agregaci, včetně toho, proč není uchovávání nezpracovaných záznamů na místní úrovni úplnou zárukou ochrany osobních údajů.

Související vodicí cestyFederované učení
Otázka 1 z 8

Jak federované učení trénuje sdílený model bez centralizace uživatelských dat?

Náhled každé otázky8 otázky

Odpovědi a vysvětlení se zobrazují, jak budete v kvízu.

  1. Jak federované učení trénuje sdílený model bez centralizace uživatelských dat?
    • Trénujte jeden model nahráním nezpracovaných dat všech na centrální server
    • Používejte pouze syntetická data a nikdy skutečná data
    • Trénujte sdílený model odesíláním aktualizací modelu namísto nezpracovaných dat na server
    • Spusťte na každém zařízení vždy samostatný, nesouvisející model
  2. Co dělá algoritmus Federated Averaging (FedAvg) na serveru?
    • Odstraní všechny modely klientů
    • Průměruje aktualizace váhy od klientů, obvykle vážené množstvím dat
    • Odesílá nezpracovaná data zpět klientům
    • Trénuje model zcela sám
  3. Který produkt skvěle využíval federované učení ke zlepšení předpovědí?
    • Centrální filtr nevyžádané pošty
    • Meteorologická družice
    • Video herní konzole
    • Klávesnice Gboard Google
  4. Why might a hospital collaboration investigate federated training?
    • It can train through local computations without centrally pooling patient records
    • It automatically makes all sharing legally compliant
    • It removes every risk of revealing patient information
    • It requires no evaluation of the resulting model
  5. Proč nejsou samotné aktualizace modelu automaticky plně soukromé?
    • Aktualizace jsou vždy náhodné
    • Aktualizace mohou stále unikat informace o základních datech
    • Aktualizace obsahují nezpracovaná nezpracovaná data
    • Aktualizace nelze odesílat přes sítě
  6. Jaký problém způsobují data „non-IID“ ve federovaném učení?
    • Všechna zařízení mají stejná data, takže se nic neučí
    • Serveru okamžitě dojde paměť
    • Model se může učit pouze obrázky
    • Distribuce dat účastníků se velmi liší, což ztěžuje průměrování
  7. Two FedAvg clients return scalar weights 0 and 10 after using 1 and 3 training examples. What is the data-weighted average?
    • 7.5
    • 5
    • 10
    • 2.5
  8. What does a successful secure-aggregation protocol aim to reveal to the federated server?
    • Every client’s raw training record
    • Only a participant’s device password
    • The aggregate update rather than each participant’s individual value
    • A complete guarantee against all information in the aggregate