グーグルのクラウドを支えるテクノロジー　＞　第69回　Federated Learning：モバイルデバイスを用いた分散学習技術（パート3）

私が編集支援しているCTC教育サービスのコラム「グーグルのクラウドを支えるテクノロジー」第69回「Federated Learning：モバイルデバイスを用いた分散学習技術（パート3）」が公開されました。

＃＃＃

はじめに
　前回に引き続き、2019年に公開された論文「Applied Federated Learning: Improving Google Keyboard Query Suggestions」を元にして、モバイルデバイスを用いた分散学習技術である「Federated Learning」の適用事例を紹介します。今回は、実際の学習状況や予測精度を示すデータについて説明します。

学習に使用するデバイスの選択

　Federated Learningの処理の流れについては、第67回（パート1）の記事で簡単に説明しました。学習ジョブを管理するサーバーは、一定の条件を満たすデバイスに学習処理を依頼した後に、それぞれの学習結果をサーバー側で集約します。学習に使用するデータはそれぞれのデバイス上で収集されたものですので、学習処理を依頼するデバイスの選択は、当然ながら、学習結果に影響を及ぼします。冒頭の論文には、次のようなデバイスの選択条件が示されています。

・WiFiネットワークに接続されており、充電中でスリープ状態になっている
・2GB以上のメモリーを搭載していて、Android SDK level 21以上がインストールされている
・言語設定がen-US、もしくは、en-CAになっている

この続きは以下をご覧ください
https://www.school.ctc-g.co.jp/columns/nakai2/nakai269.html