일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | ||||||
2 | 3 | 4 | 5 | 6 | 7 | 8 |
9 | 10 | 11 | 12 | 13 | 14 | 15 |
16 | 17 | 18 | 19 | 20 | 21 | 22 |
23 | 24 | 25 | 26 | 27 | 28 | 29 |
30 | 31 |
- FedAvg
- Open Set Recognition
- FL
- q-FFL
- convergence
- FedProx
- q-FedAvg
- Agnostic FL
- Federated Learning
- 머신러닝
- Fairness
- free rider
- OSR
- OOD
- Machine learning
- ordered dropout
- data maximization
- 딥러닝
- DP
- Analysis
- OoDD
- PPML
- 연합학습
- deep learning
- 기계학습
- 개인정보
- Federated Transfer Learning
- ML
- Differential Privacy
- value shaping
- Today
- Total
Federated Learning
0. 참고자료 본문
Algorithmic Game Theory에서의 방법론들을 Machine Learning에 적용하려고 하는 시도들은 예전부터 있어왔지만, Federated Learning의 경우 불특정 다수의 client가 참여한다는 특징 덕분에 이러한 접근이 더욱더 매력적인 선택지가 되었습니다. 저 역시 FL을 cooperative games의 일종으로 보고 있으며, 관련 연구를 수행하기 위하여 Game Theory 쪽의 배경지식을 쌓는 중입니다. (Last Update: 20230124)
1. 강의 자료
- UdeM Gauthier Gidel 교수님 강의 자료
(https://gauthiergidel.github.io/courses/game_theory_ML_2021.html)
Game Theory의 관점에서 GAN 혹은 RL을 공부하시는 분들에게 도움이 될 법한 자료입니다.
- KAIST 이융 교수님 강의 자료
(https://yung-web.github.io/home/courses/gametheory.html)
Game Theory의 background가 필요한 분들에게 도움이 될 만한 자료입니다.
- CMU Fei Fang 교수님 강의 자료
(https://feifang.info/advanced-topics-in-machine-learning-and-game-theory-fall-2021/)
Game Theory와 ML의 접점부를 다루는 수업 자료입니다. 특히 multi agent system에 중점을 두고 있습니다.
이외에도 잘 정리된 survey paper 혹은 교재 등이 있다면, 댓글 등을 통해 알려주시면 감사하겠습니다.