Algorithmes d'apprentissage décentralisés : vue des systèmes

Cette séance de cours explore les défis de l'apprentissage fédéré (FL) et de l'apprentissage décentralisé (DL), en mettant l'accent sur des questions comme les problèmes coûteux de communication et de data center. L'instructeur discute des stratégies visant à améliorer ces systèmes par la décentralisation, l'hétérogénéité des données et les garanties de protection de la vie privée, en présentant comme étude de cas un système de recommandation décentralisé fondé sur l'EET. La séance de cours présente également l'extension Rex++ pour les tâches ML et l'algorithme GeL pour stimuler l'apprentissage fédéré. Dans l'ensemble, la séance de cours donne des indications sur l'amélioration de l'évolutivité, de la protection des renseignements personnels et de l'efficacité des algorithmes d'apprentissage décentralisés.