Apprentissage fédéré vertical - Historique des versions

Pitpitt : Remplacement de texte : « ↵↵↵ » par «   »

2024-01-29T15:31:52Z

Remplacement de texte : « ↵↵↵ » par «   »

← Version précédente		Version du 29 janvier 2024 à 11:31
Ligne 6 :		Ligne 6 :

	Par exemple, dans le domaine médical, les résultats d'une analyse sanguine et ceux d'une analyse d'urine pourraient faire l'objet d'un apprentissage fédéré vertical.		Par exemple, dans le domaine médical, les résultats d'une analyse sanguine et ceux d'une analyse d'urine pourraient faire l'objet d'un apprentissage fédéré vertical.


	== Français ==		== Français ==
Ligne 12 :		Ligne 11 :

	''' apprentissage fédéré basé sur les attributs '''		''' apprentissage fédéré basé sur les attributs '''


	== Anglais ==		== Anglais ==

Pitpitt : Remplacement de texte : « ↵↵ » par « ==Sources== »

2024-01-27T20:41:56Z

Remplacement de texte : « ↵↵<small> » par « ==Sources== »

← Version précédente		Version du 27 janvier 2024 à 16:41
Ligne 20 :		Ligne 20 :

	Vertical federated learning or feature-based federated learning … is applicable to the cases that two data sets share the same sample ID space but differ in feature space. -->		Vertical federated learning or feature-based federated learning … is applicable to the cases that two data sets share the same sample ID space but differ in feature space. -->
			==Sources==

	~~<small>~~

	[http://espace.etsmtl.ca/id/eprint/2447/1/BOUOUDINA_Selma.pdf Source : Bououdina 2020 ]		[http://espace.etsmtl.ca/id/eprint/2447/1/BOUOUDINA_Selma.pdf Source : Bououdina 2020 ]

Pitpitt le 19 avril 2023 à 14:03

2023-04-19T14:03:29Z

← Version précédente		Version du 19 avril 2023 à 10:03
Ligne 32 :		Ligne 32 :
	[https://datascience.eu/fr/apprentissage-automatique/apprentissage-federe/ Source : Datascience]		[https://datascience.eu/fr/apprentissage-automatique/apprentissage-federe/ Source : Datascience]

	[[Catégorie:~~Publication~~]]		[[Catégorie:GRAND LEXIQUE FRANÇAIS]]

Patrickdrouin le 18 avril 2023 à 20:07

2023-04-18T20:07:02Z

← Version précédente		Version du 18 avril 2023 à 16:07
Ligne 29 :		Ligne 29 :

	[https://blog.openmined.org/federated-learning-types/ Source : openmined ]		[https://blog.openmined.org/federated-learning-types/ Source : openmined ]

			[https://datascience.eu/fr/apprentissage-automatique/apprentissage-federe/ Source : Datascience]

	[[Catégorie:Publication]]		[[Catégorie:Publication]]

Patrickdrouin le 18 avril 2023 à 19:56

2023-04-18T19:56:07Z

← Version précédente		Version du 18 avril 2023 à 15:56
Ligne 19 :		Ligne 19 :
	<!-- Vertical Federated Learning (VFL) is a federated learning setting where multiple parties with different features about the same set of users jointly train machine learning models without exposing their raw data or model parameters.		<!-- Vertical Federated Learning (VFL) is a federated learning setting where multiple parties with different features about the same set of users jointly train machine learning models without exposing their raw data or model parameters.

	Vertical federated learning or feature-based federated learning … is applicable to the cases that two data sets share the same sample ID space but differ in feature space. ->		Vertical federated learning or feature-based federated learning … is applicable to the cases that two data sets share the same sample ID space but differ in feature space. -->

Patrickdrouin le 18 avril 2023 à 19:54

2023-04-18T19:54:50Z

← Version précédente		Version du 18 avril 2023 à 15:54
Ligne 2 :		Ligne 2 :
	L'apprentissage fédéré vertical est une variante de l'apprentissage fédéré dans laquelle plusieurs sources de données ayant des attributs différents concernant le même ensemble de données entraînent conjointement des modèles d'apprentissage automatique sans exposer les données brutes ou les paramètres des modèles.		L'apprentissage fédéré vertical est une variante de l'apprentissage fédéré dans laquelle plusieurs sources de données ayant des attributs différents concernant le même ensemble de données entraînent conjointement des modèles d'apprentissage automatique sans exposer les données brutes ou les paramètres des modèles.

	==Compléments=		==Compléments==
	L'apprentissage vertical fédéré ou l'apprentissage fédéré basé sur les attributs s'applique aux cas où deux ensembles de données partagent un même identificateur mais avec des attributs différents.		L'apprentissage vertical fédéré ou l'apprentissage fédéré basé sur les attributs s'applique aux cas où deux ensembles de données partagent un même identificateur mais avec des attributs différents.

Ligne 24 :		Ligne 24 :
	<small>		<small>

			[http://espace.etsmtl.ca/id/eprint/2447/1/BOUOUDINA_Selma.pdf Source : Bououdina 2020 ]

	[https://arxiv.org/abs/2211.12814 Source : arxiv ]		[https://arxiv.org/abs/2211.12814 Source : arxiv ]

Patrickdrouin : Patrickdrouin a déplacé la page Vertical Federated Learning vers Apprentissage fédéré vertical

2023-04-18T19:52:25Z

Patrickdrouin a déplacé la page Vertical Federated Learning vers Apprentissage fédéré vertical

← Version précédente	Version du 18 avril 2023 à 15:52
(Aucune différence)

Patrickdrouin le 18 avril 2023 à 19:52

2023-04-18T19:52:09Z

← Version précédente		Version du 18 avril 2023 à 15:52
Ligne 1 :		Ligne 1 :
	==~~en construction~~==		== Définition ==
			L'apprentissage fédéré vertical est une variante de l'apprentissage fédéré dans laquelle plusieurs sources de données ayant des attributs différents concernant le même ensemble de données entraînent conjointement des modèles d'apprentissage automatique sans exposer les données brutes ou les paramètres des modèles.

			==Compléments=
			L'apprentissage vertical fédéré ou l'apprentissage fédéré basé sur les attributs s'applique aux cas où deux ensembles de données partagent un même identificateur mais avec des attributs différents.

			Par exemple, dans le domaine médical, les résultats d'une analyse sanguine et ceux d'une analyse d'urine pourraient faire l'objet d'un apprentissage fédéré vertical.

	~~== Définition ==~~
	~~XXXXXXXXX~~

	== Français ==		== Français ==
	''' ~~XXXXXXXXX~~ '''		''' apprentissage fédéré vertical '''

			''' apprentissage fédéré basé sur les attributs '''


	== Anglais ==		== Anglais ==
	''' ~~Vertical Federated Learning~~'''		''' vertical federated learning'''

	Vertical Federated Learning (VFL) is a federated learning setting where multiple parties with different features about the same set of users jointly train machine learning models without exposing their raw data or model parameters.		<!-- Vertical Federated Learning (VFL) is a federated learning setting where multiple parties with different features about the same set of users jointly train machine learning models without exposing their raw data or model parameters.

	Vertical federated learning or feature-based federated learning … is applicable to the cases that two data sets share the same sample ID space but differ in feature space.		Vertical federated learning or feature-based federated learning … is applicable to the cases that two data sets share the same sample ID space but differ in feature space. ->


Ligne 22 :		Ligne 29 :
	[https://blog.openmined.org/federated-learning-types/ Source : openmined ]		[https://blog.openmined.org/federated-learning-types/ Source : openmined ]

	[[Catégorie:~~vocabulary~~]]		[[Catégorie:Publication]]

Pitpitt : Page créée avec « ==en construction== == Définition == XXXXXXXXX == Français == ''' XXXXXXXXX ''' == Anglais == ''' Vertical Federated Learning''' Vertical Federated Learning (VFL) i... »

2023-03-21T12:37:29Z

Page créée avec « ==en construction== == Définition == XXXXXXXXX == Français == ''' XXXXXXXXX ''' == Anglais == ''' Vertical Federated Learning''' Vertical Federated Learning (VFL) i... »

Nouvelle page

==en construction==

== Définition ==
XXXXXXXXX

== Français ==
''' XXXXXXXXX '''

== Anglais ==
''' Vertical Federated Learning'''

Vertical Federated Learning (VFL) is a federated learning setting where multiple parties with different features about the same set of users jointly train machine learning models without exposing their raw data or model parameters.

Vertical federated learning or feature-based federated learning … is applicable to the cases that two data sets share the same sample ID space but differ in feature space.

<small>

[https://arxiv.org/abs/2211.12814 Source : arxiv ]

[https://blog.openmined.org/federated-learning-types/ Source : openmined ]

[[Catégorie:vocabulary]]