แบบทดสอบที่เชื่อมโยงกับคำแนะนำ · ปานกลาง ระดับ
แบบทดสอบการเรียนรู้แบบสหพันธ์
ใช้การอัปเดตโมเดลแบบรวมศูนย์ ค่าเฉลี่ยถ่วงน้ำหนัก และการรวมที่ปลอดภัย รวมถึงเหตุใดการเก็บบันทึกดิบไว้ในเครื่องจึงไม่ใช่การรับประกันความเป็นส่วนตัวโดยสมบูรณ์
คำถาม 1 ของ 8
การเรียนรู้แบบสหพันธรัฐฝึกโมเดลที่ใช้ร่วมกันโดยไม่ต้องรวมศูนย์ข้อมูลผู้ใช้อย่างไร
ดูตัวอย่างทุกคำถาม8 คำถาม
คำตอบและคำอธิบายจะปรากฏขึ้นเมื่อคุณทำแบบทดสอบ
- การเรียนรู้แบบสหพันธรัฐฝึกโมเดลที่ใช้ร่วมกันโดยไม่ต้องรวมศูนย์ข้อมูลผู้ใช้อย่างไร
- ฝึกฝนโมเดลหนึ่งโดยการอัปโหลดข้อมูลดิบของทุกคนไปยังเซิร์ฟเวอร์กลาง
- ใช้เฉพาะข้อมูลสังเคราะห์เท่านั้น ไม่ใช้ข้อมูลจริง
- ฝึกฝนโมเดลที่ใช้ร่วมกันโดยส่งการอัปเดตโมเดลแทนข้อมูลดิบไปยังเซิร์ฟเวอร์
- เรียกใช้โมเดลแยกกันและไม่เกี่ยวข้องบนอุปกรณ์แต่ละเครื่องตลอดไป
- อัลกอริธึม Federated Averaging (FedAvg) ทำอะไรบนเซิร์ฟเวอร์
- ลบโมเดลไคลเอ็นต์ทั้งหมด
- เฉลี่ยน้ำหนักที่อัปเดตจากไคลเอนต์ โดยปกติจะถ่วงน้ำหนักด้วยจำนวนข้อมูล
- ส่งข้อมูลดิบกลับไปยังลูกค้า
- ฝึกโมเดลทั้งหมดด้วยตัวเอง
- ผลิตภัณฑ์ใดที่มีชื่อเสียงใช้การเรียนรู้แบบสมาพันธ์เพื่อปรับปรุงการคาดการณ์
- ตัวกรองอีเมลขยะส่วนกลาง
- ดาวเทียมสภาพอากาศ
- คอนโซลวิดีโอเกม
- แป้นพิมพ์ Gboard ของ 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
- เหตุใดการอัปเดตโมเดลเพียงอย่างเดียวจึงไม่เป็นส่วนตัวโดยสมบูรณ์โดยอัตโนมัติ
- การอัพเดตจะเป็นสัญญาณรบกวนแบบสุ่มเสมอ
- การอัปเดตยังสามารถรั่วไหลข้อมูลเกี่ยวกับข้อมูลที่ซ่อนอยู่ได้
- การอัปเดตประกอบด้วยข้อมูลดิบไม่เปลี่ยนแปลง
- ไม่สามารถส่งการอัปเดตผ่านเครือข่ายได้
- ข้อมูล 'ไม่ใช่ IID' ทำให้เกิดปัญหาอะไรในการเรียนรู้แบบรวมศูนย์
- อุปกรณ์ทั้งหมดมีข้อมูลที่เหมือนกัน ดังนั้นจึงไม่มีอะไรเรียนรู้
- เซิร์ฟเวอร์หน่วยความจำไม่เพียงพอทันที
- โมเดลสามารถเรียนรู้ได้เฉพาะภาพเท่านั้น
- การกระจายข้อมูลของผู้เข้าร่วมแตกต่างกันมาก ทำให้การหาค่าเฉลี่ยทำได้ยากขึ้น
- 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