Privacy-preserving Computing
for Big Data Analytics and AI
-
20% KEDVEZMÉNY?
- A kedvezmény csak az 'Értesítés a kedvenc témákról' hírlevelünk címzettjeinek rendeléseire érvényes.
- Kiadói listaár GBP 49.99
-
23 882 Ft (22 745 Ft + 5% áfa)
Az ár azért becsült, mert a rendelés pillanatában nem lehet pontosan tudni, hogy a beérkezéskor milyen lesz a forint árfolyama az adott termék eredeti devizájához képest. Ha a forint romlana, kissé többet, ha javulna, kissé kevesebbet kell majd fizetnie.
- Kedvezmény(ek) 20% (cc. 4 776 Ft off)
- Kedvezményes ár 19 106 Ft (18 196 Ft + 5% áfa)
Iratkozzon fel most és részesüljön kedvezőbb árainkból!
Feliratkozom
23 882 Ft
Beszerezhetőség
Becsült beszerzési idő: A Prosperónál jelenleg nincsen raktáron, de a kiadónál igen. Beszerzés kb. 3-5 hét..
A Prosperónál jelenleg nincsen raktáron.
Why don't you give exact delivery time?
A beszerzés időigényét az eddigi tapasztalatokra alapozva adjuk meg. Azért becsült, mert a terméket külföldről hozzuk be, így a kiadó kiszolgálásának pillanatnyi gyorsaságától is függ. A megadottnál gyorsabb és lassabb szállítás is elképzelhető, de mindent megteszünk, hogy Ön a lehető leghamarabb jusson hozzá a termékhez.
A termék adatai:
- Kiadó Cambridge University Press
- Megjelenés dátuma 2023. november 16.
- ISBN 9781009299510
- Kötéstípus Keménykötés
- Terjedelem271 oldal
- Méret 234x155x21 mm
- Súly 530 g
- Nyelv angol 584
Kategóriák
Rövid leírás:
Systematically introduces privacy-preserving computing techniques and practical applications for students, researchers, and practitioners.
TöbbHosszú leírás:
Privacy-preserving computing aims to protect the personal information of users while capitalizing on the possibilities unlocked by big data. This practical introduction for students, researchers, and industry practitioners is the first cohesive and systematic presentation of the field's advances over four decades. The book shows how to use privacy-preserving computing in real-world problems in data analytics and AI, and includes applications in statistics, database queries, and machine learning. The book begins by introducing cryptographic techniques such as secret sharing, homomorphic encryption, and oblivious transfer, and then broadens its focus to more widely applicable techniques such as differential privacy, trusted execution environment, and federated learning. The book ends with privacy-preserving computing in practice in areas like finance, online advertising, and healthcare, and finally offers a vision for the future of the field.
'While we are witnessing revolutionary changes in AI technology empowered by deep learning and large-scale computing, data privacy for trusted machine learning plays an essential role in safe and reliable AI deployment. This book introduces fundamental concepts and advanced techniques for privacy-preserving computation for data mining and machine learning, which serve as a foundation for safe and secure AI development and deployment.' Pin-Yu Chen, IBM Research
Tartalomjegyzék:
1. Introduction to privacy-preserving computing; 2. Secret sharing; 3. Homomorphic encryption; 4. Oblivious transfer; 5. Garbled circuit; 6. Differential privacy; 7. Trusted execution environment; 8. Federated learning; 9. Privacy-preserving computing platforms; 10. Case studies of privacy-preserving computing; 11. Future of privacy-preserving computing; References; Index.
Több
Effective Parenting in a Defective World: How to Raise Kids Who Stand Out from the Crowd
5 272 Ft
4 850 Ft
The Tangled Lands
9 072 Ft
7 711 Ft
