Публикации по теме 'privacy-protection'


Проблемы при развертывании федеративных моделей обучения
Разница между федеративным обучением и обычным машинным обучением В обычном машинном обучении данные находятся в одном источнике или объединяются в один источник с помощью определенных ETL (операций извлечения, загрузки и преобразования) инженерами данных из нескольких баз данных, а затем используются для обучения модели машинного обучения. В федеративном обучении данные не покидают источник происхождения. Существует центральный сервер, которым владеют специалисты по данным, а источники..
Бизнес-проблемы машинного обучения
Нейронные сети — распространенная тема в машинном обучении, и ее концепция может быть сложной для понимания. Основой этого является то, что это принцип дизайна, который стремится имитировать функциональность биологических нейронных сетей мозга. Каждый слой состоит из узлов, известных как нейрон. Нейроны принимают ввод и на основе своей функции активации определяют, собираются ли они выводить на следующий слой. Первый набор известен как входной слой, и именно здесь данные передаются в..
[Обновление продукта] Теперь Sarus позволяет выполнять безопасную для конфиденциальности аналитику источников больших данных!
Теперь Sarus совместим с источниками больших данных, хранящимися в таких хранилищах, как BigQuery, Redshift, Synapse или Hive . Благодаря этой новой интеграции все SQL-запросы анализируются Sarus и переписываются в соответствии с политиками конфиденциальности перед отправкой в ​​механизм хранилища данных для выполнения. Кроме того, когда источником являются большие данные, выборка синтетических данных уменьшается, чтобы избежать ненужных затрат. Это идеальное решение для BI-анализа..
Учат ли специалистов по данным этике?
Быстро, что приходит на ум, когда вы думаете о Facebook, Google и Twitter? Готов поспорить, что подавляющее большинство из вас не сказали: «Все свидетельствовали перед Конгрессом об этических последствиях объема данных, которые мы доверяем им защищать». Пока американцы блаженно делятся своими фотографиями с дня рождения и обсуждают свои любимые фильмы, за кулисами наши любимые СМИ заняты сбором, изучением, моделированием, а иногда и продажей наших данных. Вы когда-нибудь задумывались,..
Эпоха Гретель # 2
Здравствуйте друзья - Добро пожаловать в The Gretel Epoch, ваш источник информации о конфиденциальности, обновлений продуктов, образовательного контента, предстоящих событий и новостей сообщества от Gretel. От нуля до синтетики за шестьдесят секунд Новичок в синтетике? Без проблем! С Gretel вы будете синтезировать данные за 60 секунд раньше, чем узнаете об этом. Если вы готовы заняться конкретным вариантом использования, например анонимизацией данных, обеспечением..
Выбор правильной модели для обнаружения объектов
Демистификация серии блогов Clearview AI (часть 3) "Оглавление" Предыдущая: Сбор данных для разработки глубокого обучения Далее: Обнаружение запущенных объектов и структурирование данных Более быстрые R-CNN, YOLO и детекторы одиночных выстрелов Распознавание объектов описывает набор из трех связанных задач компьютерного зрения: Классификация изображений, Локализация объекта и Обнаружение объекта. Обнаружение объектов эффективно сочетает локализованные классификаторы..
Демонстрационное приложение CCTView
Демистификация серии блогов Clearview AI (часть 7) Шаблон стека бережливого производства Демонстрационное приложение CCTView основано на шаблоне LEAN Stack , развернутом на Free-dyno Heroku. Он был реализован для работы в автономном режиме с предварительно обработанными кадрами видеонаблюдения NYCDOT со вторника, 5 мая 2020 г., с 13:00 до 14:00. Суть стека LEAN заключается в использовании одного и того же языка и шаблона (например, TypeScript и внедрения зависимостей) как на..