Name: Explicabilité dans l'apprentissage fédéré (en Francés)
SKU: 65450311
Price: 79.68 USD
Availability: InStock
Author: Dr. Sravanthi Dontu;Dr. Rohith Vallabhaneni

portada Explicabilité dans l'apprentissage fédéré (en Francés)

Explicabilité dans l'apprentissage fédéré (en Francés)

Formato

Libro Físico

Editorial

Editions Notre Savoir

Autor

Dr. Sravanthi Dontu;Dr. Rohith Vallabhaneni

Año

2025

Idioma

Francés

N° páginas

140

Encuadernación

Tapa Blanda

Dimensiones

22x15 cm

ISBN13

9786200724328

Explicabilité dans l'apprentissage fédéré (en Francés)

Dr. Sravanthi Dontu;Dr. Rohith Vallabhaneni (Autor) · Editions Notre Savoir · Tapa Blanda

Libro Nuevo Importado

Envío: 25 a 32 días háb.

$ 144.87$ 79.68

-45%

Costos de importación incluídos en el precio ✅

Libro Nuevo

Quedan 10 unidades

$ 79.68

Llega entre el 24 Sep y el 07 Oct a Quito, Pichincha. Seleccionar ubicación

Agregar a lista de deseos

Reseña del libro "Explicabilité dans l'apprentissage fédéré (en Francés)"

"Explainability in Federated Learning" offre une exploration complète de l'intégration de l'IA explicable (XAI) dans les systèmes d'apprentissage fédéré (FL). Le livre commence par exposer les principes fondamentaux de l'apprentissage fédéré et de l'IA X avant de se plonger dans leur intersection, en soulignant les défis et les avantages de l'interprétabilité dans les environnements décentralisés. Il présente diverses techniques d'explicabilité adaptées à la FL, en mettant l'accent sur la personnalisation, la gestion de données hétérogènes et le fonctionnement dans des environnements à ressources limitées. Des chapitres clés traitent de la confiance, de l'équité et de la transparence, en s'appuyant sur des études de cas réels et des outils de visualisation. Les implications éthiques, juridiques et sociales sont abordées parallèlement aux perspectives contradictoires. L'ouvrage se termine par des stratégies d'analyse comparative et des orientations de recherche futures. Il constitue un guide essentiel pour les chercheurs, les développeurs et les décideurs qui souhaitent élaborer des modèles de FL transparents et dignes de confiance.