随着用户数据安全和隐私保护相关政策相继出台，企业在给用户提供更好的创新服务时也面临着数据安全和用户隐私的问题。而联邦学习则能够帮助企业在符合数据安全和政策法规的前提下，持续更好地输出创新服务，提升服务质量。
目前，联邦学习技术已在金融风控、医疗健康、智能城市、智慧零售及云服务等多个行业、领域实现了应用落地，未来应用范围势必将更为广泛。因此，了解这门技术，将有助于开发者在逐步规范化的大数据环境下，更好地实现数据应用。项目GitHub：https://github.com/FederatedAI/FATE
而如果你要接触联邦学习，就一定绕不开一个开源框架——FATE (Federated AI Technology Enabler)，作为联邦学习全球首个工业级开源框架，FATE支持联邦学习架构体系，为机器学习、深度学习、迁移学习提供了高性能联邦学习机制，FATE本身还支持多种多方安全计算协议，如同态加密、秘密共享、哈希散列等，具有友好的跨域交互信息管理方案。
无论你是想入门这个经典的框架，还是已经在使用FATE了，这些问题或许都会在现在或将来出现：
- FATE的基本架构是怎样的？有何优势？
- 如何使用FATE集群部署完成环境搭建？
- FATE算法如何进行开发实战？
为了解答这些问题，让对机器学习、联邦学习感兴趣或正在研究应用的你能更深入掌握这一经典框架及其用法，官方团队特别推出了**《联邦学习快速入门上手——从零开始详解FATE开源平台》**课程，120min即可快速掌握FATE框架。
在这120min里，你将收获：
1.FATE架构详解与系统实践
- FATE全架构与系统数据流详解
- 联邦学习建模Pipeline的管理与调度
- 模型发布及在线推理实践
2.FATE集群部署指南
- FATE基础环境配置介绍
- 源码编译打包详解
- 部署发布与全面测试
3.FATE算法模块使用及设计实操
- FATE支持算法组件介绍
- 10min快速入门算法使用
- FATE-Board核心展示
- FATE算法开发实战
本次课程现在免费开放给大家，点击此处或扫描下图二维码，即刻前往课程现场进行观看！
