User: Guest  Login
Document type:
Masterarbeit 
Author(s):
Mohamed Elzohairy 
Title:
Mitigation of Stragglers in Serverless Federated Learning 
Translated title:
Eindämmung von Nachzüglern in Serverless Federated Learning 
Abstract:
In recent years, Machine Learning (ML) has made significant progress in being incorporated into many aspects of our life. While centralized ML paradigms provide good performance, they typically require access to the entire dataset, which may be impractical for specific tasks and may raise privacy concerns. Federated Learning (FL) was proposed to address this issue and migrate from using a centralized training approach to a distributed one. FL Clients preserve their data for local training a...    »
 
Translated abstract:
In den letzten Jahren hat das maschinelle Lernen (ML) erhebliche Fortschritte bei der Integration in viele Aspekte unseres Lebens gemacht. Zentralisierte ML-Paradigmen bieten zwar eine gute Leistung, erfordern aber in der Regel den Zugriff auf den gesamten Datensatz, was für bestimmte Aufgaben unpraktisch sein und Bedenken hinsichtlich des Datenschutzes aufwerfen kann. Federated Learning (FL) wurde vorgeschlagen, um dieses Problem anzugehen und von einem zentralisierten Trainingsansatz zu einem...    »
 
Keywords:
Federated learning, Deep learning, Serverless computing, Function-as-a-service (FaaS) 
Subject:
DAT Datenverarbeitung, Informatik 
DDC:
000 Informatik, Wissen, Systeme 
Advisor:
Chadha, Mohak 
Referee:
Gerndt, Hans Michael (Prof. Dr.) 
Year:
2022 
Language:
en 
Language from translation:
de 
University:
Technische Universität München 
Faculty:
Fakultät für Informatik