关于码豆发放的特别通知！
关于码豆发放的特别通知！
为保证您顺利领取码豆，请您至少登录一次DevCloud会员中心https://devcloud.huaweicloud.com/bonususer/home。
如您修改过用户名还请一并提供修改前的以及最新的用户名。
详情请咨询版主或添加小助手微信（Huawei-HDZ）备注“补发码豆”，
反馈时间截至2020年8月1日，如您在此之前没有反馈，视为自动放弃获奖资格。
直播时间
2020年 7月2日 19:30-20:30
观看回放
本次直播讲解
本次卢博分享带来NAIE联邦学习的基本框架，
算法及案例分享，很多硬货，不要错过。
专家介绍
直播有奖互动
预约直播得100码豆
【点击这里】，前往预约页面，填写报名资料
观看直播幸运抽大奖
小助手会在直播公屏中随机抽取优质互动观众
赠送 数据线、HDZ笔记本~
参与微话题讨论赢HUAWEI 手表
讨论话题：联邦学习可以让大家联合起来共同解决同一个机器学习问题，如果现在让你来设计问题，你最想解决什么问题呢？
请说出你的理解
当发帖盖楼人数>10人时
由专家评选出5名优秀开发者，分别抽取
一等奖*1 HUAWEI WATCH GT 2（运动款 曜石黑）
二等奖 *1 荣耀手环5i
三等奖*3 2000码豆
（本话题回复时间截止 7月9日 24时）
注意事项
1、活动的中奖名单和码豆奖励名单将于话题结束后3天完成公示，7月8日后统一发放，
请提前登录DevCloud会员中心了解码豆；
2、本次< HDZ summit 2020 >活动发放的码豆奖励将在2020年9月1日0点失效；
3、本活动最终解释权归华云所有。
4、其他事宜请参考【开发者市集活动规则】
更多精彩活动
【活动说明】
**实物奖品将于7月15日后统一发放。请添加HDZ小助手微信（Huawei-HDZ），备注“奖品邮寄”，留下获奖截图和您的奖品邮寄信息呦~
**超过2020年8月1日仍未提供奖品邮寄信息的同学，视为放弃获奖资格~
获奖名单：
| 用户名称 | 获取奖项 |
| 殇秦 | 一等奖 HUAWEI WATCH GT 2（运动款 曜石黑） |
| 张辉 | 二等奖 荣耀手环5i |
| bigstar | 三等奖 2000码豆 |
| lxcnju | 三等奖 2000码豆 |
| TwoDay | 三等奖 2000码豆 |
抽奖过程公示-卢老师.rar
90.14 KB，下载次数：4
可能是，可能是，可能是人家HDZ社区里面的礼物互赠，你们掺和进去干什么？
云集而动
2020-7-13 16:55
不用回复话题，会质量不高也能进入5人抽奖？评判标准是账号是否熟悉？
殇秦，回复楼层8楼：
张辉，回复楼层10楼：
bigstar，回复楼层15楼：
lxcnju，回复楼层11楼：
TwoDay，回复楼层14楼：
hw52039521
2020-7-13 11:03
云集而动
2020-7-13 16:55
卢燚
2020-10-20 17:22
联邦学习可以让大家联合起来共同解决同一个机器学习问题，如果现在让你来设计问题，你最想解决什么问题呢？
最想解决问题：预防抑郁症
联邦学习主张的用户数据不用出本地，很适合使用在预防抑郁症。
先来了解一下抑郁症：
抑郁症又称抑郁障碍，以显著而持久的心境低落为主要临床特征，是心境障碍的主要类型。临床可见心境低落与其处境不相称，情绪的消沉可以从闷闷不乐到悲痛欲绝，自卑抑郁，甚至悲观厌世，可有自杀企图或行为；甚至发生木僵；部分病例有明显的焦虑和运动性激越；严重者可出现幻觉、妄想等精神病性症状。每次发作持续至少2周以上、长者甚或数年，多数病例有反复发作的倾向，每次发作大多数可以缓解，部分可有残留症状或转为慢性。
关于预防：
有人对抑郁症患者追踪10年的研究发现，有75%～80%的患者多次复发，故抑郁症患者需要进行预防性治疗。发作3次以上应长期治疗，甚至终身服药。维持治疗药物的剂量多数学者认为应与治疗剂量相同，还应定期门诊随访观察。心理治疗和社会支持系统对预防本病复发也有非常重要的作用，应尽可能解除或减轻患者过重的心理负担和压力，帮助患者解决生活和工作中的实际困难及问题，提高患者应对能力，并积极为其创造良好的环境，以防复发。
那么怎样才能预防抑郁症复发，思路如下：
1. 给已患过抑郁症的人群安装带联邦学习功能的手机应用，从声音，图像，文字等维度进行监测，当出现与标记为可能导致的抑郁症复发的数据时进行收集，当患过抑郁症在医生处被确认抑郁症复发后，将标记数据在本地进行训练，训练好后将模型参数上传到NAIE联邦学习服务器端聚合其他人的模型参数再训练，云端训练好再下发模型参数，不断迭代提高模型精度。
2. 当模型精度达到一定程度后，开放预防抑郁症复发提醒功能，给用户允许的亲人、好友或医生发送信息，适时进行心理辅导。
希望能有一天能实现，带给抑郁症人群更多的希望。
联邦学习可以让大家联合起来共同解决同一个机器学习问题，如果现在让你来设计问题，你最想解决什么问题呢？
最想解决问题：普通或较低配置的电脑开机速度慢，软件打开慢。
解决思路：
本地训练模型收集的数据：
数据1：本地安装的软件（判断是否属于同一类人）；
数据2：开机后打开的第一至第三个软件；可根据联邦学习聚合后的下发后的模型参数推测开机时需要打开的软件提高其优先度，降低其它不需要开机就使用的软件的优先度；
数据3：还有正常使用时打开软件的顺序；例如：先打开QQ软件，再打开微信软件，再打开浏览器，这时可根据联邦学习聚合后的模型参数推测将要打开的软件进行超级预读取提升软件打开速度。
模型训练方式：获取本地数据进行训练，得出训练模型参数后发送到服务器利用联邦学习聚合同类型人群的模型参数再训练，服务器训练好后再下发模型参数到本地进行推理或训练。
联邦学习解决了本地数据不出本地，聚合训练间接性等同于增加数据集，数据驱动的方式依赖于大数据，在一般情况下数据量的增大会提高模型精度。
联邦学习可以让大家联合起来共同解决同一个机器学习问题，如果现在让你来设计问题，你最想解决什么问题呢？
最想解决问题：让行业新人拥有经验知识（企业数据与设备不能外泄情况下）
例如：一个新人在一个行业中往往缺少解决事情的经验，那么如果能让一个新人在适当的情况下拥有解决事情的经验知识，将会大大提高效率。
那么该如何去做？
联邦学习在低感知情况下可以培养出解决事情的指导员。
1. 给有经验的工作人员分发能处理声音，图像，文字，视频的设备，在处理问题时只需打开软件监测工作流程即可；
2. 联邦学习数据不出本地（针对企业数据与设备不能外泄情况下）本地训练模型，得出模型参数后上传参数到联邦学习服务器，联邦学习服务器聚合其他有经验的人训练出来的模型参数再训练，在联邦学习服务器得出模型参数后在下发到新人指导设备上，针对特定情况给予新人指导。
联邦学习可以让大家联合起来共同解决同一个机器学习问题，如果现在让你来设计问题，你最想解决什么问题呢？
之前在参加过IoT创意比赛作品方案简略图如下图所示，当时留下一个问题：如何判断客户需要喜悦感。
最后得出尝试使用联邦学习，但当时自己构建不起整套联邦学习系统无奈放弃，之后看到NAIE推出联邦学习。
联邦学习部署方式：端（手机，智能摄像头，具有一定计算能力的智能传感设备等），边（具备较强计算能力的设备，例如：接收传感器数据且具备较强计算能力的设备），云（云端计算设备，例如：华为云）
部署方式导致了Server可训练的次数问题：
1. 用户可以随时停止参与通信；
2. 工作节点不稳定（手机随时可能没电关机或充电时随时被拔出充电线，设备计算能不一样）；
3. 节点负载不平横（用户产生数据量不同）。
联邦学习需要面对设备随时退出或不在线的问题，那么就需要减少通讯次数；方法在本地计算多几次以便获得更好的梯度下降方向，再发送梯度参数给Server，Server计算的模型就能更快速收敛（牺牲算力，减少通信量）。
最想解决什么问题：如何判断客户需要喜悦感
判断客户需要喜悦感：用户的消息、语音、图像在本地训练模型，然后将模型参数发送到云端服务器聚合其他人的模型参数再训练，云端训练好再下发模型参数（其中用户数据不出本地，不用担心隐私泄漏），得出情感识别结果：给需要喜悦感的客户发娃娃机游戏币。
联邦学习可以让大家联合起来共同解决同一个机器学习问题，如果现在让你来设计问题，你最想解决什么问题呢？
联邦学习是一种特殊的分布式学习，简单来说就是我的训练数据不够，有些情况我没见过，但是恰巧被人见过。
但是联邦学习效果不一定就会比我使用自己的数据训练好很多，相比之下，效率和效果相差不大。
联邦学习问题：
1、安全与隐私问题
2、联邦学习的利益分配问题
3、如何进一步降低损耗，提升联邦学习的效率
实际问题
1、国家反洗黑钱，因为金融行业的企业、机构他们的数据都是相对独立的，所以通过联邦学习，联合其他机构企业 打破数据壁垒，提高审核的准确性与效率。
2、销售行业，一款产品能否卖的出去，综合考虑用户的购买力，用户的喜好以及产品的特点，而这三个方面数据又分别在不同企业手中，购买力在银行，用户喜好在社交购物软件公司，产品的特点在产品公司，如果通过联邦学习，可以把这些数据结合起来训练模型，可以做到有针对性的产品推送与服务
联邦学习可以让大家联合起来共同解决同一个机器学习问题，如果现在让你来设计问题，你最想解决什么问题呢？
解决多个机器学习的联合问题。例如多个不同类型的物品的识别与分类，同一个系统的在不同问题的多种应用。