แบบทดสอบที่เชื่อมโยงกับคำแนะนำ · ปานกลาง ระดับ

แบบทดสอบการเรียนรู้แบบสหพันธ์

ใช้การอัปเดตโมเดลแบบรวมศูนย์ ค่าเฉลี่ยถ่วงน้ำหนัก และการรวมที่ปลอดภัย รวมถึงเหตุใดการเก็บบันทึกดิบไว้ในเครื่องจึงไม่ใช่การรับประกันความเป็นส่วนตัวโดยสมบูรณ์

เส้นทางแนะนำที่เกี่ยวข้องการเรียนรู้แบบสหพันธ์
คำถาม 1 ของ 8

การเรียนรู้แบบสหพันธรัฐฝึกโมเดลที่ใช้ร่วมกันโดยไม่ต้องรวมศูนย์ข้อมูลผู้ใช้อย่างไร

ดูตัวอย่างทุกคำถาม8 คำถาม

คำตอบและคำอธิบายจะปรากฏขึ้นเมื่อคุณทำแบบทดสอบ

  1. การเรียนรู้แบบสหพันธรัฐฝึกโมเดลที่ใช้ร่วมกันโดยไม่ต้องรวมศูนย์ข้อมูลผู้ใช้อย่างไร
    • ฝึกฝนโมเดลหนึ่งโดยการอัปโหลดข้อมูลดิบของทุกคนไปยังเซิร์ฟเวอร์กลาง
    • ใช้เฉพาะข้อมูลสังเคราะห์เท่านั้น ไม่ใช้ข้อมูลจริง
    • ฝึกฝนโมเดลที่ใช้ร่วมกันโดยส่งการอัปเดตโมเดลแทนข้อมูลดิบไปยังเซิร์ฟเวอร์
    • เรียกใช้โมเดลแยกกันและไม่เกี่ยวข้องบนอุปกรณ์แต่ละเครื่องตลอดไป
  2. อัลกอริธึม Federated Averaging (FedAvg) ทำอะไรบนเซิร์ฟเวอร์
    • ลบโมเดลไคลเอ็นต์ทั้งหมด
    • เฉลี่ยน้ำหนักที่อัปเดตจากไคลเอนต์ โดยปกติจะถ่วงน้ำหนักด้วยจำนวนข้อมูล
    • ส่งข้อมูลดิบกลับไปยังลูกค้า
    • ฝึกโมเดลทั้งหมดด้วยตัวเอง
  3. ผลิตภัณฑ์ใดที่มีชื่อเสียงใช้การเรียนรู้แบบสมาพันธ์เพื่อปรับปรุงการคาดการณ์
    • ตัวกรองอีเมลขยะส่วนกลาง
    • ดาวเทียมสภาพอากาศ
    • คอนโซลวิดีโอเกม
    • แป้นพิมพ์ Gboard ของ 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. เหตุใดการอัปเดตโมเดลเพียงอย่างเดียวจึงไม่เป็นส่วนตัวโดยสมบูรณ์โดยอัตโนมัติ
    • การอัพเดตจะเป็นสัญญาณรบกวนแบบสุ่มเสมอ
    • การอัปเดตยังสามารถรั่วไหลข้อมูลเกี่ยวกับข้อมูลที่ซ่อนอยู่ได้
    • การอัปเดตประกอบด้วยข้อมูลดิบไม่เปลี่ยนแปลง
    • ไม่สามารถส่งการอัปเดตผ่านเครือข่ายได้
  6. ข้อมูล 'ไม่ใช่ IID' ทำให้เกิดปัญหาอะไรในการเรียนรู้แบบรวมศูนย์
    • อุปกรณ์ทั้งหมดมีข้อมูลที่เหมือนกัน ดังนั้นจึงไม่มีอะไรเรียนรู้
    • เซิร์ฟเวอร์หน่วยความจำไม่เพียงพอทันที
    • โมเดลสามารถเรียนรู้ได้เฉพาะภาพเท่านั้น
    • การกระจายข้อมูลของผู้เข้าร่วมแตกต่างกันมาก ทำให้การหาค่าเฉลี่ยทำได้ยากขึ้น
  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