Александр Безносиков

Александр Безносиков
Александр Безносиков
МФТИ Заведующий лабораторией фундаментальных исследований МФТИ-Яндекс
Оптимизация в федеративном обучении
Федеративное обучение – это популярная ветка распределенного машинного обучения, в основе которой лежит концепция о том, что обучающая выборка распределенно хранится на локальных устройствах пользователей (телефонах, планшетах, персональных компьютерах). Такая постановка задачи рождает массу новых вопросов и проблем от приватности и персонализации до эффективности коммуникаций и локальных вычислений. Но в основе федеративного обучения, как и в основе классического машинного обучения, лежат задачи оптимизации. Поэтому все особенности федеративного обучения в первую очередь отражаются на оптимизационных методах, которые нужно модифицировать под новые требования. О такого рода модификациях, новых подходах и постановках пойдет речь в выступлении

Заведующий лабораторией фундаментальных исследований МФТИ-Яндекс, научный сотрудник лаборатории численных методов оптимизации ФПМИ МФТИ, соавтор курса "Оптимизация в машинном обучении" в Академии больших данных VK Group, преподаватель оптимизационного и теоретико-вероятностного цикла ФПМИ МФТИ, аспирант первого года обучения ФПМИ МФТИ. Научные интересы: стохастическая оптимизация, распределенная оптимизация, федеративное обучение, седловые задачи и вариационные неравенства.