September 2024
Intermediate to advanced
366 pages
9h 58m
German
Content preview from Aufbau von Pipelines für maschinelles Lernen
Become an O’Reilly member and get unlimited access to this title plus top books and audiobooks from O’Reilly and nearly 200 top publishers, thousands of courses curated by job role, 150+ live events each month,
O’Reilly covers everything we've got, with content to help us build a world-class technology community, upgrade the capabilities and competencies of our teams, and improve overall team performance as well as their engagement.I wanted to learn C and C++, but it didn't click for me until I picked up an O'Reilly book. When I went on the O’Reilly platform, I was astonished to find all the books there, plus live events and sandboxes so you could play around with the technology.I’ve been on the O’Reilly platform for more than eight years. I use a couple of learning platforms, but I'm on O'Reilly more than anybody else. When you're there, you start learning. I'm never disappointed.I'm always learning. So when I got on to O'Reilly, I was like a kid in a candy store. There are playlists. There are answers. There's on-demand training. It's worth its weight in gold, in terms of what it allows me to do.
Kapitel 14. Datenschutz für maschinelles Lernen
Diese Arbeit wurde mithilfe von KI übersetzt. Wir freuen uns über dein Feedback und deine Kommentare: translation-feedback@oreilly.com
In diesem Kapitel stellen wir einige Aspekte des Datenschutzes vor, die sich auf Pipelines für maschinelles Lernen beziehen. Datenschutzgerechtes maschinelles Lernen ist ein sehr aktiver Forschungsbereich, der gerade erst beginnt, in TensorFlow und andere Frameworks integriert zu werden. Wir erklären einige der Prinzipien, die hinter den derzeit vielversprechendsten Techniken stehen, und zeigen einige praktische Beispiele, wie sie in eine Pipeline für maschinelles Lernen integriert werden können.
In diesem Kapitel werden wir drei Hauptmethoden für datenschutzgerechtes maschinelles Lernen behandeln: differentielle Privatsphäre, föderiertes Lernen und verschlüsseltes maschinelles Lernen.
Fragen des Datenschutzes
Beim Datenschutz geht es um Vertrauen und die Begrenzung der Offenlegung von Daten, die man lieber für sich behalten möchte. Es gibt viele verschiedene Methoden für datenschutzgerechtes maschinelles Lernen, und um zwischen ihnen zu wählen, solltest du versuchen, die folgenden Fragen zu beantworten:
-
Vor wem willst du die Daten geheim halten?
-
Welche Teile des Systems können privat sein, und welche können der Welt offengelegt werden?
-
Wer sind die vertrauenswürdigen Parteien, die die Daten einsehen können?
Die Antworten auf diese Fragen helfen dir zu entscheiden, welche der in diesem Kapitel ...
Become an O’Reilly member and get unlimited access to this title plus top books and audiobooks from O’Reilly and nearly 200 top publishers, thousands of courses curated by job role, 150+ live events each month,
and much more.
Read now
Unlock full access
More than 5,000 organizations count on O’Reilly
O’Reilly covers everything we've got, with content to help us build a world-class technology community, upgrade the capabilities and competencies of our teams, and improve overall team performance as well as their engagement.Julian F.
I wanted to learn C and C++, but it didn't click for me until I picked up an O'Reilly book. When I went on the O’Reilly platform, I was astonished to find all the books there, plus live events and sandboxes so you could play around with the technology.Addison B.
I’ve been on the O’Reilly platform for more than eight years. I use a couple of learning platforms, but I'm on O'Reilly more than anybody else. When you're there, you start learning. I'm never disappointed.Amir M.
I'm always learning. So when I got on to O'Reilly, I was like a kid in a candy store. There are playlists. There are answers. There's on-demand training. It's worth its weight in gold, in terms of what it allows me to do.