ফেডারেটেড লার্নিং
ফেডারেটেড লার্নিং (Federated Learning) হলো একটি ডিস্ট্রিবিউটেড মেশিন লার্নিং প্যারাডাইম যা ২০১৭ সালে McMahan et al. কর্তৃক প্রবর্তিত হয়। এতে একটি গ্লোবাল মডেল একাধিক বিকেন্দ্রীভূত ক্লায়েন্টের (যেমন মোবাইল ডিভাইস বা হাসপাতাল সিস্টেম) মধ্যে যৌথভাবে প্রশিক্ষিত হয়, যেখানে কোনো কাঁচা ডেটা (raw data) কেন্দ্রীয় সার্ভারে স্থানান্তর করা হয় না। প্রতিটি অংশগ্রহণকারী তার নিজস্ব ব্যক্তিগত ডেটা ব্যবহার করে স্থানীয়ভাবে মডেল আপডেট গণনা করে; শুধুমাত্র সেই আপডেটগুলি, মূল ডেটা নয়, সার্ভার দ্বারা যোগাযোগ এবং একত্রিত করা হয় যাতে শেয়ার করা মডেল উন্নত করা যায়।
পুরো পদ্ধতিটি পড়ুন
এই অংশটি পড়তে বিনামূল্যের অ্যাকাউন্ট দিয়ে সাইন ইন করুন।
Method map
The neighbourhood of related methods — select a node to explore.
+4 more
উৎস
- McMahan, B., Moore, E., Ramage, D., Hampson, S., & Arcas, B. A. (2017). Communication-efficient learning of deep networks from decentralized data. Artificial Intelligence and Statistics, 1273–1282. link ↗
এই পৃষ্ঠা কীভাবে উদ্ধৃত করবেন
ScholarGate. (2026, June 2). Federated Learning. ScholarGate. https://scholargate.app/bn/privacy/federated-learning
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- ডিফারেনশিয়াল প্রাইভেসিগোপনীয়তা↔ compare
- নলেজ ডিস্টিলেশন (Knowledge Distillation)গভীর শিখন↔ compare
- স্টোকাস্টিক গ্রেডিয়েন্ট ডিসেন্ট (SGD)যন্ত্র শিখন↔ compare
যেখানে উদ্ধৃত
এই পৃষ্ঠায় কোনো ত্রুটি চোখে পড়েছে? জানান বা সংশোধনের প্রস্তাব দিন →