Quiz d'apprentissage fédéré

Les réponses et les explications apparaissent au fur et à mesure que vous répondez au quiz.

1. How does federated learning train a shared model without centralizing user data?
   • Entraînez un modèle en téléchargeant les données brutes de chacun sur un serveur central
   • Utilisez uniquement des données synthétiques et jamais de données réelles
   • Entraîner un modèle partagé en envoyant des mises à jour de modèle au lieu de données brutes à un serveur
   • Exécutez un modèle distinct et sans rapport sur chaque appareil pour toujours
2. Que fait l’algorithme Federated Averaging (FedAvg) sur le serveur ?
   • Supprime tous les modèles clients
   • Fait la moyenne des mises à jour de poids des clients, généralement pondérées par la quantité de données
   • Renvoie les données brutes aux clients
   • Entraîne le modèle entièrement par lui-même
3. Quel produit a utilisé l'apprentissage fédéré pour améliorer les prédictions ?
   • Un filtre central de courrier indésirable
   • Un satellite météo
   • Une console de jeux vidéo
   • Le clavier Gboard de 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. Pourquoi les mises à jour de modèles seules ne sont-elles pas automatiquement entièrement privées ?
   • Les mises à jour sont toujours du bruit aléatoire
   • Les mises à jour peuvent toujours divulguer des informations sur les données sous-jacentes
   • Les mises à jour contiennent les données brutes inchangées
   • Les mises à jour ne peuvent pas être envoyées sur les réseaux
6. Quel problème les données « non-IID » posent-elles dans l'apprentissage fédéré ?
   • Tous les appareils ont des données identiques, donc rien n'est appris
   • Le serveur manque instantanément de mémoire
   • Le modèle ne peut apprendre que des images
   • Les distributions de données des participants diffèrent beaucoup, ce qui rend la moyenne plus difficile
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