Glossaire IA
Le dictionnaire complet de l'Intelligence Artificielle
Algorithmes d'Agrégation Fédérée
Méthodes mathématiques pour combiner les poids des modèles locaux en un modèle global unique
Communication et Optimisation Réseau
Techniques pour minimiser la bande passante et optimiser les échanges entre serveur et clients
Sécurité et Attaques Adversariales
Protection contre les menaces comme le poisoning de données et l'inversion de modèles
Gestion de l'Hétérogénéité
Traitement des variations de puissance de calcul, de distribution de données et de connectivité
Apprentissage Fédéré Non-IID
Gestion des données non identiquement distribuées à travers les différents clients
Personalisation de Modèles
Adaptation des modèles globaux aux préférences spécifiques de chaque utilisateur
Convergence et Optimisation
Techniques pour accélérer la convergence et garantir la stabilité de l'entraînement distribué
Agrégation Sécurisée
Protocoles cryptographiques pour protéger les gradients lors de leur transmission
Framework et Implémentations
Outils logiciels et bibliothèques pour déployer des systèmes d'apprentissage fédéré
Détection de Clients Malveillants
Algorithmes pour identifier et isoler les participants comportant un comportement anormal
Apprentissage Fédéré par Renforcement
Application des principes du reinforcement learning dans un contexte fédéré
Split Learning
Variante où le modèle est divisé entre client et serveur pour réduire la communication
Métriques d'Évaluation Fédérée
Indicateurs spécifiques pour mesurer la performance et l'équité des modèles fédérés
Apprentissage Fédéré Asynchrone
Approches où les clients mettent à jour le modèle global sans synchronisation stricte
Compression de Modèles
Techniques pour réduire la taille des modèles avant transmission en environnement fédéré