용어집
역할과 화면
| 용어 | 뜻 |
|---|
| Task Owner | 연합학습을 설계·공개·운영하는 사람. 이 튜토리얼에서는 헝가리 병원 |
| Client (Participant) | 공개된 Task 에 참여해 자기 데이터로 로컬 학습을 하는 사람 또는 기관. 이 튜토리얼에서는 클리블랜드 병원 |
| FedOps Web | FedOps 홈페이지. 소개와 문서 |
| FedOps Console | 웹 작업 화면. Task·Registry·참여자·서버·모니터링 |
| Agent Studio | 내 PC 에서 Docker 로 도는 개발 도구. 코드·데이터·학습·참여·Agent |
| FedOps server | Studio 가 접속하는 FedOps 설치본. 집계가 일어나는 곳. Main FedOps(연구실 온프렘)·AWS·Kakao Cloud. 이 튜토리얼은 Main FedOps |
FedOps 의 대상
| 용어 | 뜻 |
|---|
| Federated Task | 연합학습의 단위. 모델·전처리·학습 코드·Tool 정의를 담은 코드 묶음 |
| Web Draft | Console 에서 만든 직후, 코드가 아직 없는 Task 의 초안 |
| Workspace | Studio 안에서 Task 코드와 데이터를 다루는 작업 공간 |
| Release Candidate | 점검을 통과해 게시를 기다리는 코드·모델 묶음 |
| Published Release | 게시되어 고정된 묶음. 모든 Client 가 이것을 받아 실행한다 |
| Registry | 공개된 Task 목록 |
| Campaign (캠페인) | 연합학습 한 판. 라운드 수·인원·집계 방식을 정해 실행한다 |
| Initial Model | Owner 가 만든 첫 모델. 첫 캠페인의 출발점. 화면에는 Initiative Model 로 표시된다 |
| Global Model vN | N 번째 캠페인이 끝나 만들어진 모델 |
| Readiness | 게시 전(Release) 또는 참여 전(Participation)에 내 PC 에서 하는 자동 점검 |
연합학습 개념
| 용어 | 뜻 |
|---|
| 연합학습 (Federated Learning) | 데이터를 모으지 않고, 모델을 데이터 쪽으로 보내 학습한 뒤 파라미터만 합치는 학습 방식 |
| 라운드 (Round) | 서버가 모델을 보내고, Client 들이 학습하고, 서버가 합치는 한 바퀴 |
| 파라미터 | 모델 안의 숫자들. 학습은 이 숫자를 고치는 일이고, 연합학습에서 오가는 것도 이것이다 |
| 집계 (Aggregation) | 여러 Client 의 파라미터를 하나로 합치는 일 |
| FedAvg | 데이터 수에 비례한 가중 평균으로 파라미터를 합치는 기본 집계 방식. FedOps 1.3 에서 고를 수 있는 유일한 방식 |
| Clients per round | 한 라운드에서 학습을 마쳐야 하는 Client 수. 이 수가 모일 때까지 서버가 기다린다 |
| IID / non-IID | Client 들의 데이터 분포가 같음 / 다름. 현실은 대부분 non-IID. 이 튜토리얼의 두 병원도 non-IID 다 |
| Client drift | non-IID 에서 각 Client 의 모델이 자기 데이터 쪽으로 멀어지는 현상 |
| cross-silo | 병원·기업처럼 소수의 기관이 참여하는 연합학습. 이 튜토리얼의 상황 |
| FLamby | 실제 의료 데이터로 만든 cross-silo 연합학습 벤치마크 모음(NeurIPS 2022). 이 튜토리얼의 병원별 분할은 그중 Fed-Heart-Disease 와 같다 |
| 파라미터 서명 | 모델 파라미터의 이름·모양·자료형으로 만든 지문. 모든 참여자의 모델 구조가 같은지 확인하는 데 쓴다 |
데이터와 모델
| 용어 | 뜻 |
|---|
| UCI Heart Disease | 병원 4곳(클리블랜드·헝가리·스위스·롱비치 VA)의 심장 검사 기록. 이 튜토리얼의 데이터 |
| 범주 피처 | 숫자로 적혀 있어도 크기 순서가 없는 값. 이 튜토리얼의 cp(가슴 통증 유형)와 restecg(심전도) |
| 전처리 통계 | 피처별 평균·표준편차와 범주 어휘표. Owner 가 코드에 고정해 모든 참여자가 같은 값을 쓴다 |
| MLP | 층을 쌓은 가장 기본적인 신경망. 이 튜토리얼의 모델(TabularMLP, 파라미터 1,010개) |
| F1 DISEASE | 심장병 환자를 얼마나 잘 잡는지. 이 튜토리얼에서 정확도와 함께 보는 핵심 지표 |
Agent
| 용어 | 뜻 |
|---|
| Tool AI | Agent 가 숫자(예측)가 필요할 때 부르는 모델. 여기서는 연합학습으로 만든 Global Model |
| Base LLM | Agent 에서 문장을 쓰는 언어 모델 |
| Harness | Agent 의 LLM 이 지킬 규칙과 실행 설정 |
| Serving API | 빌드한 Agent 를 HTTP 로 부를 수 있게 연 것 (전용 포트 + 토큰) |