[Mittagsseminar TI] Fwd: [i-prof] Einladung zur Verteidigung meiner Masterarbeit

[Wolfgang Mulzer <mulzer@inf.fu-berlin.de>]

On Thursday. The defense will be in English.


-------- Forwarded Message --------
Subject: [i-prof] Einladung zur Verteidigung meiner Masterarbeit
Date: Mon, 20 Aug 2018 13:31:47 +0200
From: Florian Hartmann <florian.hartmann@fu-berlin.de>
To: i-profs@inf.fu-berlin.de, i-wimis@inf.fu-berlin.de, 
i-studi@inf.fu-berlin.de, renee.zentiks@fu-berlin.de

Sehr geehrte Damen und Herren,

hiermit lade ich Sie herzlich zur Verteidigung meiner Masterarbeit mit 
dem Titel “Federated Learning" ein.

Die Verteidigung findet im Rahmen des Mittagsseminars der Arbeitsgruppe 
Theoretische
Informatik am Donnerstag, den 23.08. um 12:00 Uhr s.t. im SR 055 in der 
Takustraße 9 statt.
Die Arbeit wurde von Prof. Dr. Wolfgang Mulzer betreut, Zweitgutachter 
ist Prof. Dr. Raúl Rojas.

Ein großer Teil der Arbeit wurde bei Mozilla in Mountain View, 
Kalifornien, verfasst.
Für Fragen dazu stehe ich auch zur Verfügung.

Mit freundlichen Grüßen
Florian Hartmann

Abstract:
Over the past few years, machine learning has revolutionized fields such 
as computer vision, natural
language processing, and speech recognition. Much of this success is 
based on collecting vast
amounts of data, often in privacy-invasive ways. Federated Learning is a 
new subfield of machine
learning that allows training models without collecting the data itself. 
Instead of sharing data,
users collaboratively train a model by only sending weight updates to a 
server. While this better
respects privacy and is more flexible in some situations, it does come 
at a cost. Naively
implementing the concept scales poorly when applied to models with 
millions of parameters. To make
Federated Learning feasible, this thesis proposes changes to the 
optimization process and explains
how dedicated compression methods can be employed. With the use of 
Differential Privacy techniques,
it can be ensured that sending weight updates does not leak significant 
information about
individuals. Furthermore, strategies for additionally personalizing 
models locally are proposed. To
empirically evaluate Federated Learning, a large-scale system was 
implemented for Mozilla Firefox.
360,000 users helped to train and evaluate a model that aims to improve 
search results in the
Firefox URL bar.
_______________________________________________
Automatischer Mailverteiler an Gruppe 'ml-i-prof-mi'.
Hinweise dazu siehe Hilfeseite:
https://www.mi.fu-berlin.de/w/Tec/AnkuendigungsVerteiler

Attachment: smime.p7s
Description: S/MIME Cryptographic Signature