DML (Cơ sở hạ tầng máy học phi tập trung) sẽ được áp dụng cho các công nghệ học tập của thiết bị, blockchain và liên kết học tập. Nó giải phóng việc sử dụng dữ liệu chưa được khám phá mà không có sức mạnh xử lý nhàn rỗi để trích xuất và xử lý học máy. Thuật toán sẽ được cộng đồng nhà phát triển thực hiện thông qua thị trường, do đó tạo ra sự đổi mới từ ngoại vi.

Cơ sở hạ tầng dự án

Học máy trên các thiết bị mà không trích xuất dữ liệu
Sử dụng dữ liệu riêng tư không sử dụng để học máy trong một thiết bị trong khi bảo vệ quyền riêng tư.

Phát hành đổi mới từ ngoại vi
Giải phóng sự đổi mới bằng cách tạo ra một cộng đồng các nhà phát triển và cạnh tranh trên thị trường thuật toán.

Khả năng xử lý nhàn rỗi để kết nối hàng tỷ thiết bị
Sử dụng sức mạnh xử lý của tất cả các thiết bị được kết nối để chạy các thuật toán học máy.

Sự tham gia lớn vào đào tạo học máy
Tạo một cộng đồng các giảng viên thuật toán để cải thiện thuật toán thông qua các nỗ lực tập thể.

Giao tiếp chuỗi đa dạng để thực hiện các giao thức độc lập blockchain.

Trả lại sức mạnh cho chủ sở hữu hệ sinh thái
Tránh tập trung và kiểm soát một vài đầu sỏ thông qua blockchain và token hóa.

Các tính năng dự án

Tìm kiếm, yêu cầu và liệt kê các thuật toán học máy trong thị trường DML Algo;
Tạo yêu cầu ứng dụng máy học và chọn chủ sở hữu thiết bị cá nhân có liên quan để truy cập dữ liệu riêng tư;
Triển khai các thuật toán học máy vào các thiết bị thông minh;
Chạy các thuật toán học máy với khả năng xử lý nhàn rỗi trong ứng dụng DML;
Gửi kết quả học máy từ ứng dụng DML (dữ liệu thô vẫn còn trong thiết bị);
Tạo một bản tóm tắt các báo cáo phân tích dự đoán máy học;
Giao dịch hợp đồng thông minh trong mã thông báo DML cho các mô hình học máy.

*Nội dung trên được biên soạn bởi tài khoản chính thức của các tài khoản không phải nhỏ. Nếu in lại, xin vui lòng chỉ ra nguồn.