User: Guest  Login
Original title:
Guiding the Practical Adoption of Federated Machine Learning in Organizations
Translated title:
Unterstützung bei der praktischen Einführung von Federated Machine Learning in Organisationen
Author:
Müller, Tobias
Year:
2024
Document type:
Dissertation
Faculty/School:
TUM School of Computation, Information and Technology
Institution:
Informatik 19 - Lehrstuhl für Software Engineering betrieblicher Informationssysteme (Prof. Matthes)
Advisor:
Matthes, Florian (Prof. Dr.)
Referee:
Matthes, Florian (Prof. Dr.); Tai, Stefan (Prof. Dr.)
Language:
en
Subject group:
DAT Datenverarbeitung, Informatik
TUM classification:
WIR 523; DAT 600
Abstract:
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.
Translated abstract:
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
Date of submission:
08.11.2023
Oral examination:
12.07.2024
File size:
3801115 bytes
Pages:
156
Urn (citeable URL):
https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20240712-1725226-1-6
Last change:
30.07.2024
 BibTeX