Gids-gekoppelde quiz · Middelmatig Niveau
Federatieve leerquiz
Pas federatieve modelupdates, gewogen middeling en veilige aggregatie toe, inclusief waarom het lokaal houden van onbewerkte gegevens geen volledige privacygarantie is.
Vraag 1 van 8
How does federated learning train a shared model without centralizing user data?
Bekijk elke vraag8 vragen
Antwoorden en uitleg verschijnen terwijl je de quiz doet.
- How does federated learning train a shared model without centralizing user data?
- Train één model door ieders onbewerkte gegevens naar een centrale server te uploaden
- Gebruik alleen synthetische data en nooit echte data
- Train een gedeeld model door modelupdates in plaats van onbewerkte gegevens naar een server te verzenden
- Voer voor altijd een afzonderlijk, niet-gerelateerd model uit op elk apparaat
- Wat doet het Federated Averaging-algoritme (FedAvg) op de server?
- Verwijdert alle clientmodellen
- Berekent het gemiddelde van de gewichtsupdates van clients, meestal gewogen op basis van de gegevenshoeveelheid
- Stuurt onbewerkte gegevens terug naar klanten
- Traint het model geheel zelfstandig
- Welk product maakte op beroemde wijze gebruik van federatief leren om voorspellingen te verbeteren?
- Een centraal spam-e-mailfilter
- Een weersatelliet
- Een videogameconsole
- Het Gboard-toetsenbord van Google
- 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
- Waarom zijn alleen modelupdates niet automatisch volledig privé?
- Updates zijn altijd willekeurige ruis
- Updates kunnen nog steeds informatie over de onderliggende gegevens lekken
- Updates bevatten de onbewerkte gegevens ongewijzigd
- Updates kunnen niet via netwerken worden verzonden
- Welk probleem veroorzaken 'niet-IID'-gegevens bij federatief leren?
- Alle apparaten hebben identieke gegevens, er wordt dus niets geleerd
- De server heeft onmiddellijk geen geheugen meer
- Het model kan alleen afbeeldingen leren
- De gegevensverdelingen van deelnemers verschillen sterk, waardoor het middelen moeilijker wordt
- 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
- 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