Семинар 7. Гомогенность локальных данных в распределённом и федеративном обучении

Докладчик: Дмитрий Былинкин — студент 5 курса ФПМИ, сотрудник лабораторий BRAIn и Федеративного обучения ИСП РАН О чем поговорим? Гомогенность (похожесть) локальных данных — ключевой фактор, влияющий на эффективность распределённого и федеративного обучения. Она позволяет сокращать коммуникационные затраты и ускорять обучение моделей, что особенно важно в сценариях, где данные распределены между устройствами, а их передача ограничена. На семинаре обсудим: 1) Как стохастические методы учитывают гомогенность локальных данных в распределённом обучении 2) Как можно комбинировать подходы для оптимизации передачи данных 3) Новые результаты лаборатории: применение метода к вариационным неравенствам 4) Какие проблемы возникают при анализе федеративного обучения и как их решать 5) Перспективы развития: гомогенность как основа для персонализированного федеративного обучения