CTC教育サービスはコラム「グーグルのクラウドを支えるテクノロジー ＞ 第69回 Federated Learning：モバイルデバイスを用いた分散学習技術（パート3）」を公開しました。
＃＃＃
はじめに
前回に引き続き、2019年に公開された論文「Applied Federated Learning: Improving Google Keyboard Query Suggestions」を元にして、モバイルデバイスを用いた分散学習技術である「Federated Learning」の適用事例を紹介します。今回は、実際の学習状況や予測精度を示すデータについて説明します。
学習に使用するデバイスの選択
Federated Learningの処理の流れについては、第67回（パート1）の記事で簡単に説明しました。学習ジョブを管理するサーバーは、一定の条件を満たすデバイスに学習処理を依頼した後に、それぞれの学習結果をサーバー側で集約します。学習に使用するデータはそれぞれのデバイス上で収集されたものですので、学習処理を依頼するデバイスの選択は、当然ながら、学習結果に影響を及ぼします。冒頭の論文には、次のようなデバイスの選択条件が示されています。
・WiFiネットワークに接続されており、充電中でスリープ状態になっている
・2GB以上のメモリーを搭載していて、Android SDK level 21以上がインストールされている
・言語設定がen-US、もしくは、en-CAになっている
この続きは以下をご覧ください
(リンク »)
はじめに
前回に引き続き、2019年に公開された論文「Applied Federated Learning: Improving Google Keyboard Query Suggestions」を元にして、モバイルデバイスを用いた分散学習技術である「Federated Learning」の適用事例を紹介します。今回は、実際の学習状況や予測精度を示すデータについて説明します。
学習に使用するデバイスの選択
Federated Learningの処理の流れについては、第67回（パート1）の記事で簡単に説明しました。学習ジョブを管理するサーバーは、一定の条件を満たすデバイスに学習処理を依頼した後に、それぞれの学習結果をサーバー側で集約します。学習に使用するデータはそれぞれのデバイス上で収集されたものですので、学習処理を依頼するデバイスの選択は、当然ながら、学習結果に影響を及ぼします。冒頭の論文には、次のようなデバイスの選択条件が示されています。
・WiFiネットワークに接続されており、充電中でスリープ状態になっている
・2GB以上のメモリーを搭載していて、Android SDK level 21以上がインストールされている
・言語設定がen-US、もしくは、en-CAになっている
この続きは以下をご覧ください
(リンク »)
本プレスリリースは発表元企業よりご投稿いただいた情報を掲載しております。
お問い合わせにつきましては発表元企業までお願いいたします。
お問い合わせにつきましては発表元企業までお願いいたします。
