「聯邦學習」可以解決企業之間的資料孤島問題，讓企業能透過使用更多資料來提高AI模型的效果，提供給使用者更方便的個性化服務。在過程中，資料是安全的，使用者的隱私資訊不會被輸齣和洩露。因此這項技術不會損害閤作企業的利益，還能帶來額外的收益。對使用者而言，能享受個性化服務品質的提升，也不用擔心具體隱私資訊的傳播。
從技術層麵來看，聯邦學習是密碼學、分散式運算、機器學習三個學科交換的技術，涉及麵較廣且部署實施難度大，很多具體問題需要跨領域的綜閤知識纔能解決。在人纔市場中，此類的綜閤型人纔十分缺乏，許多專案都麵臨無人可用的睏境。另一方麵，越來越多人關注到聯邦學習新興技術，希望能有係統地掌握聯邦學習原理，並在產業應用中解決實際問題。
本書詳細說明聯邦學習的相關概念，同時列齣許多案例，適閤對聯邦學習感興趣的讀者閱讀。書中會在必要之處列齣數學公式，閱讀時需具備統計學的基礎知識。
全書重點涵蓋：
●第1～3章：聯邦學習的基礎，可以瞭解聯邦學習的市場背景、技術現狀、基礎的隱私保護技術、機器學習技術和分散式運算技術。建議聯邦學習的初學者、求職者重點閱讀這部分，藉以熟悉聯邦學習的基本問題、基本技術。
●第4章：介紹聯邦交集計算的相關理論和具體方法，用於提供聯邦資料之間的對應關係。
●第5章：介紹聯邦特徵工程，列齣大緻流程、聯邦學習對這些流程的處理想法，引齣聯邦學習特徵工程中常用的加密方法、資料互動策略及評估監控方法。
●第6～8章：分別介紹垂直聯邦學習、水平聯邦學習和聯邦遷移學習，並說明這三種方案的架構、方法和案例。垂直聯邦學習用於解決相同使用者在不同企業場景中，產生資料的聯閤建模問題。
●第9～12章：聯邦學習的產業應用和展望，可以瞭解聯邦學習技術的商業應用現狀、挑戰、趨勢、與資料資產和要素市場的連結，據此引發讀者進一步思考。此部分較為巨觀，涉及麵廣，適閤聯邦學習相關的專案管理者重點閱讀。
本書適閤：
●對聯邦學習感興趣的學術＆研究人員。
●聯邦學習的初學者＆求職者＆專案管理者。
●機器學習、資料探勘、產業智慧化領域的從業者＆求職者。
