irene.tenison@umontreal.ca
Irene Tenison
Federated learning is a collaborative machine learning approach that learns from data distributed across clients(mostly edge devices like mobile phones) without centralizing the training data as standard machine learning approaches. These models ensure lower latency, enhanced privacy, and lesser power consumption.
The distribution of data across devices is mostly non-IID as they are specific to the respective user's behavior and it may not be generalizable to the entire population. Irene is focusing on improving the generalization of federated learning models by learning the invariant mechanism across clients such that the model performance improves on non-participating clients.
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
L'apprentissage fédéré est une approche collaborative d'apprentissage automatique qui apprend à partir de données réparties entre les clients (principalement des appareils périphériques comme les téléphones mobiles) sans centraliser les données de formation comme les approches d'apprentissage automatique standard. Ces modèles garantissent une latence plus faible, une confidentialité améliorée et une consommation d'énergie moindre.
La distribution des données sur les appareils est principalement non IID car elles sont spécifiques au comportement de l'utilisateur respectif et peuvent ne pas être généralisées à l'ensemble de la population. Irene se concentre sur l'amélioration de la généralisation des modèles d'apprentissage fédérés, en apprenant le mécanisme invariant entre les clients, de telle sorte que la performance du modèle s'améliore pour les clients non participants.
Orchid ID