گائیڈ سے منسلک کوئز · درمیانہ سطح

فیڈریٹڈ لرننگ کوئز

فیڈریٹڈ ماڈل اپ ڈیٹس، وزنی اوسط، اور محفوظ ایگریگیشن کا اطلاق کریں، بشمول خام ریکارڈ کو مقامی رکھنا رازداری کی مکمل ضمانت کیوں نہیں ہے۔

متعلقہ گائیڈ کے راستےفیڈریٹڈ لرننگ
سوال 1 کی 8

How does federated learning train a shared model without centralizing user data?

ہر سوال کا جائزہ لیں۔8 سوالات

جب آپ کوئز دیتے ہیں تو جوابات اور وضاحتیں ظاہر ہوتی ہیں۔

  1. How does federated learning train a shared model without centralizing user data?
    • مرکزی سرور پر ہر کسی کا خام ڈیٹا اپ لوڈ کرکے ایک ماڈل کو تربیت دیں۔
    • صرف مصنوعی ڈیٹا استعمال کریں اور حقیقی ڈیٹا کبھی نہ کریں۔
    • کسی سرور کو خام ڈیٹا کی بجائے ماڈل اپ ڈیٹس بھیج کر مشترکہ ماڈل کو تربیت دیں۔
    • ہمیشہ کے لیے ہر ڈیوائس پر ایک الگ، غیر متعلقہ ماڈل چلائیں۔
  2. فیڈریٹڈ ایوریجنگ (FedAvg) الگورتھم سرور پر کیا کرتا ہے؟
    • کلائنٹ کے تمام ماڈلز کو حذف کرتا ہے۔
    • کلائنٹس کی طرف سے وزن کے اپ ڈیٹس کا اوسط، عام طور پر ڈیٹا کی رقم سے وزن کیا جاتا ہے۔
    • خام ڈیٹا کلائنٹس کو واپس بھیجتا ہے۔
    • ماڈل کو مکمل طور پر خود ہی تربیت دیتا ہے۔
  3. پیشین گوئیوں کو بہتر بنانے کے لیے کونسی پروڈکٹ نے فیڈریٹڈ لرننگ کا مشہور استعمال کیا؟
    • ایک مرکزی سپیم ای میل فلٹر
    • ایک موسمی سیٹلائٹ
    • ایک ویڈیو گیم کنسول
    • Google کا Gboard کی بورڈ
  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. اکیلے ماڈل اپ ڈیٹس خود بخود مکمل طور پر نجی کیوں نہیں ہیں؟
    • اپ ڈیٹس ہمیشہ بے ترتیب شور ہوتے ہیں۔
    • اپ ڈیٹس اب بھی بنیادی ڈیٹا کے بارے میں معلومات کو لیک کر سکتی ہیں۔
    • اپ ڈیٹس میں خام ڈیٹا غیر تبدیل شدہ ہے۔
    • نیٹ ورکس پر اپ ڈیٹس نہیں بھیجے جا سکتے
  6. 'غیر IID' ڈیٹا فیڈریٹڈ لرننگ میں کیا مسئلہ پیدا کرتا ہے؟
    • تمام آلات میں ایک جیسا ڈیٹا ہوتا ہے، اس لیے کچھ نہیں سیکھا جاتا
    • سرور کی میموری فوری طور پر ختم ہو جاتی ہے۔
    • ماڈل صرف تصاویر سیکھ سکتا ہے۔
    • شرکاء کے ڈیٹا کی تقسیم بہت زیادہ مختلف ہوتی ہے، جس سے اوسط مشکل ہوتی ہے۔
  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