ในบริบทของ Federated Learning เทคนิคนี้แก้ปัญหาอะไรที่ Traditional Machine Learning ไม่สามารถทำได้ และเหมาะกับกรณีใดมากที่สุด
กเพิ่มความเร็วในการประมวลผลโมเดลบนคลาวด์
ขเป็นวิธีการ Fine-tuning โมเดลบน GPU หลายตัวพร้อมกัน
คช่วยให้ฝึกโมเดลได้โดยไม่ต้องรวบรวมข้อมูลดิบจากอุปกรณ์หรือองค์กรต่างๆ ไปไว้ที่ส่วนกลาง ปกป้องความเป็นส่วนตัวของข้อมูล เหมาะสำหรับข้อมูลทางการแพทย์และการเงิน
งทำให้โมเดลทำงานได้โดยไม่ต้องการข้อมูลเลย
เฉลยอธิบาย
Federated Learning แก้ปัญหาความเป็นส่วนตัวของข้อมูลโดยฝึกโมเดลบนอุปกรณ์หรือเซิร์ฟเวอร์ขององค์กรต่างๆ โดยตรง แล้วส่งเพียง Model Updates (Gradients) กลับไปรวมที่ส่วนกลาง ข้อมูลดิบไม่ออกจากอุปกรณ์ เหมาะสำหรับโรงพยาบาลหลายแห่งที่ต้องการฝึกโมเดลร่วมกันโดยไม่แชร์ข้อมูลผู้ป่วย ตัวเลือก A ผิดเพราะไม่ได้เพิ่มความเร็ว ตัวเลือก C ผิดเพราะยังต้องการข้อมูล ตัวเลือก D สับสนกับ Distributed Training