İşbirlikçi yapay zeka konsepti: Federe öğrenmeye genel bir bakış

Basit Öğe Kaydı
dc.authorid0000-0002-0867-5518en_US
dc.contributor.authorNergiz, Mehmet
dc.date.accessioned2022-07-05T13:11:14Z
dc.date.available2022-07-05T13:11:14Z
dc.date.issued2022en_US
dc.departmentDicle Üniversitesi, Mühendislik Fakültesi, Bilgisayar Mühendisliği Bölümüen_US
dc.description.abstractYapay zeka (YZ) gücünü büyük veriden almaktadır. Ancak büyük veriye ulaşmak ve bu veriyi işlemek, gerek gizlilik, gerekse büyük verinin işlenmesi için gereken donanımsal ihtiyaçlardan ötürü her zaman mümkün olamayabilmektedir. Federe öğrenme (FÖ); bahsi geçen gizlilik & büyük veri ikilemini çözebilmek adına önerilen yeni bir konsepttir. FÖ, ortak bir YZ model parametrelerinin katılımcılar üzerinde güncellenmesi ve güncellenen parametrelerin koordinatör vasıtasıyla birleştirilmesini gerçekleştiren, bunu yaparken de veri gizliliğini koruyan bir çerçevedir. FÖ, mimarisi gereği veri gizliliği korunurken aynı zamanda iş yükü de paylaştırılmış olur. Ayrıca katılımcı sayısı açısından ölçeklenebilirlik ile beraber kimi problemlerde daha yüksek başarım oranı, daha düşük çalışma süreleri gibi avantajlar da sunar. İşbirliği yapan katılımcıların öznitelik ve örnek uzaylarının ne ölçüde ortak olduğuna bağlı olarak yatay, dikey ve transfer FÖ yaklaşımları mevcuttur. Makine öğenmesi yöntemlerinin kullanıldığı ve veri gizliliğinin önem arz ettiği her alanda FÖ kullanım alanı bulmaktadır. Sağlık hizmetleri, nakliye sektörü, finansal teknolojiler ve doğal dil işleme alanları yatay FÖ konseptinin kullanıldığı alanların başında gelmektedir. Öte yandan, dikey ve transfer FÖ konseptleriyle sektörler arasında YZ bazlı işbirlikleri geliştirilebilmektedir.en_US
dc.description.abstractArtificial intelligence (AI) draws its power from big data. However, accessing and processing big data may not always be possible due to both confidentiality and hardware requirements for high computational performance. Federated learning (FL) is a new concept proposed to solve the aforementioned privacy & big data dilemma. FL is also a framework that performs updating of the parameters of a common AI model trained by the different participants and then combining the updated parameters through the coordinator while protecting data privacy. Due to the modular design of the FL concept, the workload is shared among the participants while protecting data privacy. It also provides advantages like scalability in terms of collaborator count and higher performance and lower execution time for some sort of problems. Depending on the similarity of the feature and sample spaces of the collaborators, there are some FL approaches such as horizontal, vertical and transfer. FL is applicable to any field in which machine learning methods are utilized and the data privacy is an important issue. Healthcare services, transportation sector, financial technologies and natural language processing are the prominent fields where horizontal FL concept is applied. On the other hand, AI-based collaborations between the sectors can be developed with vertical and transfer FL concepts.en_US
dc.identifier.citationNergiz, M. (2022). İşbirlikçi yapay zeka konsepti: Federe öğrenmeye genel bir bakış. Dicle Üniversitesi Mühendislik Fakültesi Mühendislik Dergisi, 13(2), 279-286.en_US
dc.identifier.doi10.24012/dumf.1130789
dc.identifier.endpage286en_US
dc.identifier.issn1309-8640
dc.identifier.issn2146-4391
dc.identifier.issue2en_US
dc.identifier.startpage279en_US
dc.identifier.urihttps://dergipark.org.tr/tr/download/article-file/2486618
dc.identifier.urihttps://hdl.handle.net/11468/10122
dc.identifier.volume13en_US
dc.institutionauthorNergiz, Mehmet
dc.language.isotren_US
dc.publisherDicle Üniversitesi Mühendislik Fakültesien_US
dc.relation.ispartofDicle Üniversitesi Mühendislik Fakültesi Mühendislik Dergisi
dc.relation.publicationcategoryMakale - Ulusal Hakemli Dergi - Kurum Öğretim Elemanıen_US
dc.rightsinfo:eu-repo/semantics/openAccessen_US
dc.subjectFedere öğrenmeen_US
dc.subjectMerkezi öğrenmeen_US
dc.subjectDağıtık öğrenmeen_US
dc.subjectBüyük verien_US
dc.subjectVeri gizliliğien_US
dc.subjectMakine öğrenmesien_US
dc.subjectFederated learningen_US
dc.subjectCentralized learningen_US
dc.subjectDistributed learningen_US
dc.subjectBig dataen_US
dc.subjectData privacyen_US
dc.subjectMachine learningen_US
dc.titleİşbirlikçi yapay zeka konsepti: Federe öğrenmeye genel bir bakışen_US
dc.titleİşbirlikçi yapay zeka konsepti: Federe öğrenmeye genel bir bakış
dc.title.alternativeCollaborative artifical intelligence concept: Federated learning reviewen_US
dc.title.alternativeCollaborative artifical intelligence concept: Federated learning review
dc.typeArticleen_US

Dosyalar

Orijinal paket
Listeleniyor 1 - 1 / 1
Küçük Resim
İsim:
İşbirlikçi Yapay Zeka Konsepti.pdf
Boyut:
673.74 KB
Biçim:
Adobe Portable Document Format
Açıklama:
Makale Dosyası
İndir
Lisans paketi
Listeleniyor 1 - 1 / 1
[ X ]
İsim:
license.txt
Boyut:
1.44 KB
Biçim:
Item-specific license agreed upon to submission
Açıklama:
İndir

Koleksiyon

Dicle Üniversitesi Mühendislik Fakültesi Dergisi