OpenMined is an ever-growing, world-wide community, and it's our mission to make it easier for more people to access our projects and resources. The OpenMined community has immensely benefited from the hard work of our contributors in Brazil, and today we are pleased to announce the translation of our PySyft tutorials into Portuguese!
All the tutorials can be found here, under the PySyft repo.
We'd like to thanks everyone who contributed to the translation of the tutorials:
Márcio Porto (@MarcioPorto), Jeferson Ferreira (@jefersonf), João Lucas (@joaolcaas), Marcus Vinicius (@marcusvlc), Héricles Emanuel (@hericlesme) and Izabella Antonino (@Izabellaaaq).
Join Us
Keep watching our blog and other social media platforms for updates on upcoming translation releases. If you are interested in helping translate our tutorials into more languages or joining the writing team, fill out this form.
Here is the full list of tutorials in Portuguese
You can also view the original english tutorials here
- Parte 01 - As Ferramentas Básicas do Private Deep Learning
- Parte 02 - Introdução a Aprendizagem Federada
- Parte 03 - Ferramentas Avançadas para Execução Remota
- Parte 04 - Aprendizado Federado por meio de Agregador Confiável
- Parte 05 - Bem-vindo ao Sandbox
- Parte 06 - Aprendizado Federado com MNIST usando uma CNN
- Parte 07 - Aprendizado Federado com Conjunto de Dados Federado
- Parte 08 - Introdução a Planos
- Parte 08 bis - Introdução a Protocolos
- Parte 09 - Introdução à Programas Criptografados
- Parte 10 - Aprendizagem Federada com Agregação Segura
- Parte 11 - Classificação Segura Usando Aprendizagem Profunda
- Parte 12: Treinar uma Rede Neural criptografada com dados criptografados
- Parte 12 bis - Treinamento criptografado no MNIST
- Parte 13a - Classificação Segura com Syft Keras e TFE - Treinamento Público
- Parte 13b - Classificação segura com Syft Keras e TFE - Servindo o modelo de forma segura
- Parte 13c - Classificação Segura com Syft Keras e TFE - Cliente de predição privada
Anunciando a Tradução dos Tutoriais do PySyft para o Português
A OpenMined é uma comunidade mundial crescente e nossa missão é facilitar o acesso de mais pessoas a nossos projetos e recursos. A comunidade OpenMined se beneficiou imensamente do trabalho árduo de nossos colaboradores no Brasil e hoje temos o prazer de anunciar a tradução de nossos tutoriais do PySyft para o português!
Todos os tutoriais podem ser encontrados aqui, no repositório do PySyft.
Sinceros agradecimentos a todos que contribuiram com a tradução dos tutoriais:
Márcio Porto (@MarcioPorto), Jeferson Ferreira (@jefersonf), João Lucas (@joaolcaas), Marcus Vinicius (@marcusvlc), Héricles Emanuel (@hericlesme) e Izabella Antonino (@Izabellaaaq).
Junte-se a nós
Continue acompanhando nosso blog e redes sociais para atualizações sobre os próximas traduções. Se você está interessado em nos ajudar a traduzir nossos tutoriais em mais linguagens ou se juntar à equipe de redação, preencha este formulário.
Aqui está uma lista completa de todos os nossos tutoriais em Português
Você também pode ver os tutoriais originais em inglês aqui.
- Parte 01 - As Ferramentas Básicas do Private Deep Learning
- Parte 02 - Introdução a Aprendizagem Federada
- Parte 03 - Ferramentas Avançadas para Execução Remota
- Parte 04 - Aprendizado Federado por meio de Agregador Confiável
- Parte 05 - Bem-vindo ao Sandbox
- Parte 06 - Aprendizado Federado com MNIST usando uma CNN
- Parte 07 - Aprendizado Federado com Conjunto de Dados Federado
- Parte 08 - Introdução a Planos
- Parte 08 bis - Introdução a Protocolos
- Parte 09 - Introdução à Programas Criptografados
- Parte 10 - Aprendizagem Federada com Agregação Segura
- Parte 11 - Classificação Segura Usando Aprendizagem Profunda
- Parte 12: Treinar uma Rede Neural criptografada com dados criptografados
- Parte 12 bis - Treinamento criptografado no MNIST
- Parte 13a - Classificação Segura com Syft Keras e TFE - Treinamento Público
- Parte 13b - Classificação segura com Syft Keras e TFE - Servindo o modelo de forma segura
- Parte 13c - Classificação Segura com Syft Keras e TFE - Cliente de predição privada
Thanks for reading :)