ADL115开班在即！杨强教授亲临讲授基于联邦学习的隐私计算

杨强教授是香港科技大学计算机与工程系讲座教授和前系主任，AAAI-2021大会主席，国际人工智能联合会(IJCAI)理事会前主席，香港人工智能与机器人学会(HKSAIR)理事长，智能投研技术联盟(ITL)主席，ACM TIST 和IEEE TRANS on BIG DATA创始主编，CAAI，AAAI，ACM，IEEE，AAAS等多个国际学会Fellow。领衔全球迁移学习和联邦学习研究及应用，著作包括《迁移学习》《联邦学习》等。

ADL本期有幸请到杨强教授亲临讲授，他的报告主题是：联邦学习和推荐系统。基于联邦学习的隐私计算，是分布式机器学习中解决隐私保护的重要技术方法, 一方面, 在联合建模过程中如何能够把尽量多的数据利用起来, 另一方面, 监管和社会对隐私保护的要求也非常严格, 各种数据保护立法纷纷出台。联邦学习提出以数据不动模型动,数据可用不可见的方式, 来解决这种两难的困境。这个报告将全面介绍联邦学习的基本思想,核心技术及其应用领域, 并以金融领域的推荐场景为例,深入剖析联邦学习在营销、信贷、资产管理等金融服务中的实际应用。

作为在联邦学习和迁移学习领域学术成果卓著的专家，杨强教授此前曾被邀请作为ADL特邀嘉宾，传授讲解了精彩的专业课程。

杨强教授在2019年ADL103《群体智能计算》讲习班作学术报告

 在2019年ADL103《群体智能计算》讲习班-学术主任童咏昕教授为杨强教授颁发感谢牌

复制链接看杨强教授往期精彩报告：

https://dl.ccf.org.cn/toSearchList.html?classen=-1&_ack=1&searchText=%25E6%259D%25A8%25E5%25BC%25BA

扫描或识别二维码，马上报名参加ADL115期精彩课程：

CCF ADL第115期《隐私保护机器学习》将于2021年4月24~26日在北京举办，点击详细了解活动详情及报名。本期学科前沿讲习班，将对隐私保护机器学习技术最新研究进展及在各个领域的应用落地案例进行系统性介绍，帮助学员理解隐私保护机器学习的基本概念和问题设定，掌握该领域包括联邦学习在内的一系列前沿技术，并通过实际案例了解该技术在包括金、电商、健康等领域的应用前景，开阔科研视野，增强实践能力。

我们邀请到本领域8位来自于著名高校与企业科研机构的重量级专家学者做主题报告。他们是：香港科技大学教授、微众银行首席人工智能官杨强、Prof. Dawn Song(UC Berkeley)、Prof. Yaochu Jin(Univ. of Surrey)、Prof. Salman Avestimehr(University of Southern California)、清华大学副教授徐葳、京东科技硅谷研发中心负责人薄列峰、北京航空航天大学教授童咏昕、同济大学教授刘琦。他们将对隐私保护机器学习的数据安全、系统性能、学习效率、算法复杂度、可管理性等技术挑战进行深入浅出的讲解，为听众展示在金融、电商、健康等领域的产学研一体实践案例, 并介绍如何开发隐私计算开源平台等解决人工智能最后一公里落地问题的宝贵经验。

相关阅读：ADL115期《隐私保护机器学习》开始报名