Synopsis
Designed for students, engineers, and researchers, this book offers a principled yet practical roadmap to building secure, scalable, and trustworthy FL systems from scratch.
Les informations fournies dans la section « Synopsis » peuvent faire référence à une autre édition de ce titre.
Résultats de recherche pour Federated Learning: From Theory to Practice
Image d'archives
Federated Learning (eng)
impression à la demandeVendeur : Brook Bookstore On Demand, Napoli, NA, Italie
Évaluation du vendeur 3 sur 5 étoiles
Etat : new. Questo è un articolo print on demand. N° de réf. du vendeur I2HLBE5J61
Acheter neuf
EUR 58,23
Expédition à EUR 5,50
Expédition depuis Italie vers Etats-Unis
Expédition depuis Italie vers Etats-Unis
Quantité disponible : Plus de 20 disponibles
Image fournie par le vendeur
Federated Learning
Edité par
Springer-Verlag Gmbh Jan 2026, 2026
ISBN 10 : 9819510082
ISBN 13 : 9789819510085
Neuf
Couverture rigide
Vendeur : BuchWeltWeit Ludwig Meier e.K., Bergisch Gladbach, Allemagne
Évaluation du vendeur 5 sur 5 étoiles
Buch. Etat : Neu. This item is printed on demand - it takes 3-4 days longer - Neuware -How can we train powerful machine learning models together across smartphones, hospitals, or financial institutions without ever sharing raw data This book delivers a compelling answer through the lens of federated learning (FL), a cutting-edge paradigm for decentralized, privacy-preserving machine learning. Designed for students, engineers, and researchers, this book offers a principled yet practical roadmap to building secure, scalable, and trustworthy FL systems from scratch.At the heart of this book is a unifying framework that treats FL as a network-regularized optimization problem. This elegant formulation allows readers to seamlessly address personalization, robustness, and fairness challenges often tackled in isolation. You ll learn how to structure FL networks based on task similarity, leverage graph-based methods and apply distributed optimization techniques to implement FL systems. Detailed pseudocode, intuitive explanations, and implementation-ready algorithms ensure you not only understand the theory but can apply it in real-world systems.Topics such as privacy leakage analysis, model heterogeneity, and adversarial resilience are treated with both mathematical rigor and accessibility. Whether you're building decentralized AI for regulated industries or in settings where data, users, or system conditions change over time, this book equips you to design FL systems that are both performant and trustworthy. 213 pp. Englisch. N° de réf. du vendeur 9789819510085
Acheter neuf
EUR 69,54
Expédition à EUR 23
Expédition depuis Allemagne vers Etats-Unis
Expédition depuis Allemagne vers Etats-Unis
Quantité disponible : 2 disponible(s)
Image d'archives
Federated Learning: From Theory to Practice
Vendeur : Books Puddle, New York, NY, Etats-Unis
Évaluation du vendeur 4 sur 5 étoiles
Etat : New. N° de réf. du vendeur 26404596359
Acheter neuf
EUR 101,50
Expédition à EUR 3,44
Expédition nationale : Etats-Unis
Expédition nationale : Etats-Unis
Quantité disponible : 4 disponible(s)
Image d'archives
Federated Learning: From Theory to Practice
impression à la demandeVendeur : Majestic Books, Hounslow, Royaume-Uni
Évaluation du vendeur 4 sur 5 étoiles
Etat : New. Print on Demand. N° de réf. du vendeur 409606488
Acheter neuf
EUR 101,76
Expédition à EUR 7,52
Expédition depuis Royaume-Uni vers Etats-Unis
Expédition depuis Royaume-Uni vers Etats-Unis
Quantité disponible : 4 disponible(s)
Image d'archives
Federated Learning: From Theory to Practice
impression à la demandeVendeur : Biblios, Frankfurt am main, HESSE, Allemagne
Évaluation du vendeur 4 sur 5 étoiles
Etat : New. PRINT ON DEMAND. N° de réf. du vendeur 18404596365
Acheter neuf
EUR 101,21
Expédition à EUR 9,95
Expédition depuis Allemagne vers Etats-Unis
Expédition depuis Allemagne vers Etats-Unis
Quantité disponible : 4 disponible(s)
Image fournie par le vendeur
Federated Learning
Edité par
Springer, Springer Jan 2026, 2026
ISBN 10 : 9819510082
ISBN 13 : 9789819510085
Neuf
Couverture rigide
Vendeur : buchversandmimpf2000, Emtmannsberg, BAYE, Allemagne
Évaluation du vendeur 5 sur 5 étoiles
Buch. Etat : Neu. This item is printed on demand - Print on Demand Titel. Neuware -How can we train powerful machine learning models togetheracross smartphones, hospitals, or financial institutionswithout ever sharing raw data This book delivers a compelling answer through the lens of federated learning (FL), a cutting-edge paradigm for decentralized, privacy-preserving machine learning. Designed for students, engineers, and researchers, this book offers a principled yet practical roadmap to building secure, scalable, and trustworthy FL systems from scratch.Springer-Verlag KG, Sachsenplatz 4-6, 1201 Wien 232 pp. Englisch. N° de réf. du vendeur 9789819510085
Acheter neuf
EUR 69,54
Expédition à EUR 60
Expédition depuis Allemagne vers Etats-Unis
Expédition depuis Allemagne vers Etats-Unis
Quantité disponible : 1 disponible(s)
Image fournie par le vendeur
Federated Learning | From Theory to Practice
impression à la demandeVendeur : preigu, Osnabrück, Allemagne
Évaluation du vendeur 5 sur 5 étoiles
Buch. Etat : Neu. Federated Learning | From Theory to Practice | Alexander Jung | Buch | xv | Englisch | 2026 | Springer | EAN 9789819510085 | Verantwortliche Person für die EU: Springer Verlag GmbH, Tiergartenstr. 17, 69121 Heidelberg, juergen[dot]hartmann[at]springer[dot]com | Anbieter: preigu Print on Demand. N° de réf. du vendeur 134502556
Acheter neuf
EUR 62,35
Expédition à EUR 70
Expédition depuis Allemagne vers Etats-Unis
Expédition depuis Allemagne vers Etats-Unis
Quantité disponible : 5 disponible(s)
Image fournie par le vendeur
Federated Learning : From Theory to Practice
Edité par
Springer, Springer, 2026
ISBN 10 : 9819510082
ISBN 13 : 9789819510085
Neuf
Couverture rigide
Vendeur : AHA-BUCH GmbH, Einbeck, Allemagne
Évaluation du vendeur 5 sur 5 étoiles
Buch. Etat : Neu. Druck auf Anfrage Neuware - Printed after ordering - How can we train powerful machine learning models together across smartphones, hospitals, or financial institutions without ever sharing raw data This book delivers a compelling answer through the lens of federated learning (FL), a cutting-edge paradigm for decentralized, privacy-preserving machine learning. Designed for students, engineers, and researchers, this book offers a principled yet practical roadmap to building secure, scalable, and trustworthy FL systems from scratch.At the heart of this book is a unifying framework that treats FL as a network-regularized optimization problem. This elegant formulation allows readers to seamlessly address personalization, robustness, and fairness challenges often tackled in isolation. You ll learn how to structure FL networks based on task similarity, leverage graph-based methods and apply distributed optimization techniques to implement FL systems. Detailed pseudocode, intuitive explanations, and implementation-ready algorithms ensure you not only understand the theory but can apply it in real-world systems.Topics such as privacy leakage analysis, model heterogeneity, and adversarial resilience are treated with both mathematical rigor and accessibility. Whether you're building decentralized AI for regulated industries or in settings where data, users, or system conditions change over time, this book equips you to design FL systems that are both performant and trustworthy. N° de réf. du vendeur 9789819510085
Acheter neuf
EUR 74,46
Expédition à EUR 62,58
Expédition depuis Allemagne vers Etats-Unis
Expédition depuis Allemagne vers Etats-Unis
Quantité disponible : 1 disponible(s)