ガイド連動クイズ · 中 レベル

Federated Learning クイズ

生のレコードをローカルに保持することが完全なプライバシー保証ではない理由を含め、フェデレーション モデルの更新、加重平均、安全な集計を適用します。

関連するガイドパスフェデレーテッド ラーニング
質問 1 の 8

ユーザー データを一元管理せずに、フェデレーション ラーニングで共有モデルをトレーニングするにはどうすればよいでしょうか?

すべての質問をプレビューする8 質問

クイズに答えると、答えと解説が表示されます。

  1. ユーザー データを一元管理せずに、フェデレーション ラーニングで共有モデルをトレーニングするにはどうすればよいでしょうか?
    • 全員の生データを中央サーバーにアップロードして 1 つのモデルをトレーニングする
    • 合成データのみを使用し、実際のデータは使用しないでください
    • 生データの代わりにモデルの更新をサーバーに送信して共有モデルをトレーニングする
    • 各デバイス上で個別の無関係なモデルを永久に実行する
  2. Federated Averaging (FedAvg) アルゴリズムはサーバー上で何を行いますか?
    • すべてのクライアント モデルを削除します
    • クライアントからの重み更新を平均します。通常はデータ量によって重み付けされます。
    • 生データをクライアントに送り返す
    • モデルを完全に単独でトレーニングします
  3. 予測を改善するためにフェデレーション ラーニングを使用したことで有名なのはどの製品ですか?
    • 集中スパムメールフィルター
    • 気象衛星
    • ビデオゲーム機
    • Google の Gboard キーボード
  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. モデルの更新だけでは自動的に完全に非公開にならないのはなぜですか?
    • 更新は常にランダムなノイズです
    • 更新により、基になるデータに関する情報が漏洩する可能性が依然としてあります
    • 更新には未変更の生データが含まれます
    • アップデートをネットワーク経由で送信できない
  6. 「非 IID」データはフェデレーテッド ラーニングでどのような問題を引き起こしますか?
    • すべてのデバイスに同一のデータがあるため、何も学習されません
    • サーバーのメモリがすぐに足りなくなります
    • モデルは画像のみを学習できます
    • 参加者のデータ分布は大きく異なるため、平均化が困難になります
  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