Benutzer: Gast  Login
Originaltitel:
Guiding the Practical Adoption of Federated Machine Learning in Organizations
Übersetzter Titel:
Unterstützung bei der praktischen Einführung von Federated Machine Learning in Organisationen
Autor:
Müller, Tobias
Jahr:
2024
Dokumenttyp:
Dissertation
Fakultät/School:
TUM School of Computation, Information and Technology
Institution:
Informatik 19 - Lehrstuhl für Software Engineering betrieblicher Informationssysteme (Prof. Matthes)
Betreuer:
Matthes, Florian (Prof. Dr.)
Gutachter:
Matthes, Florian (Prof. Dr.); Tai, Stefan (Prof. Dr.)
Sprache:
en
Fachgebiet:
DAT Datenverarbeitung, Informatik
TU-Systematik:
WIR 523; DAT 600
Kurzfassung:
Federated Machine Learning enables multiple organizations to jointly train a Machine Learning model without direct data sharing. Despite this potential, most projects do not lead to a productive use of the technology. This dissertation investigates this challenge and identifies the influencing factors for successful practical adoption as well as the socio-technical aspects of collaborations. Moreover, this thesis develops a process model for the software development life cycle.
Übersetzte Kurzfassung:
Federated Machine Learning ermöglicht es mehreren Organisationen ohne direkten Datenaustausch gemeinsam ein Machine Learning Modell zu trainieren. Trotz dieses Potenzials führen die meisten Projekte nicht zu einem produktiven Einsatz der Technologie. Die vorliegende Dissertation untersucht dieses Problem und identifiziert Einflussfaktoren für eine erfolgreiche Einführung sowie sozio-technische Aspekte der Zusammenarbeit. Weiterhin wird ein Vorgehensmodell für die Softwareentwicklung entwickelt.
WWW:
https://mediatum.ub.tum.de/?id=1725226
Eingereicht am:
08.11.2023
Mündliche Prüfung:
12.07.2024
Dateigröße:
3801115 bytes
Seiten:
156
Urn (Zitierfähige URL):
https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20240712-1725226-1-6
Letzte Änderung:
30.07.2024
 BibTeX