Marché des solutions d’apprentissage fédéré par application, vertical et région

Marché des solutions d’apprentissage fédéré par application, vertical et région


Dublin, 21 avril 2021 (GLOBE NEWSWIRE) – Le «marché mondial des solutions d’apprentissage fédéré par application (découverte de médicaments, IoT industriel), vertical (soins de santé et sciences de la vie, BFSI, fabrication, vente au détail et commerce électronique, énergie et services publics) , et région – Le rapport Prévisions jusqu’en 2028 “a été ajouté à ResearchAndMarkets.com de offre.

La taille du marché mondial des solutions d’apprentissage fédéré devrait passer de 117 millions USD en 2023 à 201 millions USD d’ici 2028, à un taux de croissance annuel composé (TCAC) de 11,4% au cours de la période de prévision.

Divers facteurs tels que le potentiel de permettre aux entreprises d’exploiter un modèle de ML partagé en collaboration en conservant les données sur les appareils et la capacité d’activer des fonctionnalités prédictives sur des appareils intelligents sans impact sur l’expérience utilisateur et la fuite d’informations privées devraient offrir des opportunités de croissance pour les solutions d’apprentissage fédéré pendant la période de prévision.

Parmi les secteurs verticaux, le segment de la fabrication devrait croître à un TCAC le plus élevé au cours de la période de prévision.

Le marché des solutions d’apprentissage fédéré est segmenté sur des secteurs verticaux en BFSI, soins de santé et sciences de la vie, vente au détail et commerce électronique, énergie et services publics, et fabrication, et autres secteurs verticaux (télécommunications et informatique, médias et divertissement, et gouvernement). Le secteur des soins de santé et des sciences de la vie devrait représenter la plus grande taille de marché au cours de la période de prévision. De plus, le secteur de la fabrication devrait connaître une croissance au TCAC le plus élevé au cours de la période de prévision. Avec l’attention croissante portée à l’Internet des objets industriel (IIoT) et la montée de la concurrence, les entreprises manufacturières accordent la priorité à l’analyse des données collectées à partir de nombreuses sources, notamment le Web, le mobile, les magasins et les médias sociaux.

Parmi les régions, l’Asie-Pacifique (APAC) devrait croître au TCAC le plus élevé au cours de la période de prévision

Le marché des solutions d’apprentissage fédéré dans la région APAC devrait croître au plus haut TCAC de 2023 à 2028. L’augmentation de l’adoption des technologies émergentes, telles que l’analyse des mégadonnées, l’IA et l’IoT, et les développements en cours pour introduire également des réglementations sur les données. L’accent mis sur l’hyper-personnalisation et la recommandation contextuelle à l’appui des marchés naissants du commerce électronique dans des pays clés tels que la Chine, l’Inde et le Japon devraient stimuler la croissance des solutions d’apprentissage fédéré dans la région.

Principaux sujets abordés:

1. Introduction

2 Méthodologie de recherche

3 Résumé exécutif
3.1 Prévisions 2023-2028 (optimiste / tel quel / pessimiste)
3.2 Résumé des principales constatations

4 Aperçu du marché et tendances de l’industrie
4.1 Présentation
4.2 Apprentissage fédéré: types
4.3 Apprentissage fédéré: évolution
4.4 Apprentissage fédéré: architecture
4.5 Intelligence artificielle: écosystème
4.6 Projets de recherche: apprentissage fédéré
4.6.1 Orchestration du grand livre d’apprentissage automatique pour la découverte de médicaments (MELLODDY)
4.6.1.1 Participants
4.6.2 FEDAI
4.6.3 Pagaie
4.6.4 FeatureCloud
4.6.5 Projet Mousquetaire
4.7 Dynamique du marché
4.7.1 Pilotes
4.7.1.1 Besoin croissant d’augmenter l’apprentissage entre les appareils et l’organisation
4.7.1.2 Capacité d’assurer une meilleure confidentialité et sécurité des données en formant des algorithmes sur des appareils décentralisés
4.7.2 Contraintes
4.7.2.1 Manque d’expertise technique qualifiée
4.7.3 Opportunités
4.7.3.1 Potentiel de permettre aux entreprises de tirer parti d’un modèle Ml partagé de manière collaborative en conservant les données sur les appareils
4.7.3.2 Capacité d’activer les fonctionnalités prédictives sur les appareils intelligents sans affecter l’expérience utilisateur et les fuites 4.7.4 Défis
4.7.4.1 Problèmes de latence élevée et d’inefficacité de la communication
4.7.4.2 Hétérogénéité du système et problème d’interopérabilité
4.7.4.3 Fuite d’informations indirectes
4.8 Impact des moteurs, contraintes, opportunités et défis sur le marché des solutions d’apprentissage fédéré
4.9 Analyse de cas d’utilisation
4.9.1 WeBank et un fournisseur de services de location de voitures permettent au secteur de l’assurance de réduire les violations du trafic de données grâce à l’apprentissage fédéré
4.9.2 L’apprentissage fédéré permet aux entreprises de soins de santé de crypter et de protéger les données des patients
4.9.3 WeBank et Extreme Vision lancent une plate-forme de détection d’objets visuelle en ligne optimisée par l’apprentissage fédéré pour stocker des données dans le cloud
4.9.4 WeBank a introduit un modèle d’apprentissage fédéré pour la lutte contre le blanchiment d’argent
4.9.5 L’adoption de la solution Intellegens peut aider les cliniques à analyser les données de fréquence cardiaque
4.10 Analyse des brevets
4.10.1 Méthodologie
4.10.2 Type de document
4.10.3 Innovation et demandes de brevet
4.10.3.1 Principaux candidats
4.11 Analyse de la chaîne d’approvisionnement
4.12 Analyse de la technologie
4.12.1 Apprentissage fédéré vs apprentissage automatique distribué
4.12.2 Apprentissage fédéré vs Edge Computing
4.12.3 Apprentissage fédéré vs systèmes de base de données fédérés
4.12.4 Apprentissage fédéré vs apprentissage en essaim

5 Marché des solutions d’apprentissage fédéré, par application
5.1 Présentation
5.2 Découverte de médicaments
5.2.1 Capacité d’accélérer la découverte de médicaments en permettant des collaborations accrues pour un traitement plus rapide afin de favoriser l’adoption de solutions d’apprentissage fédéré
5.3 Personnalisation de l’expérience d’achat
5.3.1 Priorité croissante à la création d’une expérience d’achat personnalisée tout en garantissant la confidentialité des données des clients et la réduction du trafic réseau pour favoriser l’adoption de solutions d’apprentissage fédéré
5.4 Gestion de la confidentialité et de la sécurité des données
5.4.1 Les solutions d’apprentissage fédéré permettent une meilleure gestion de la confidentialité et de la sécurité des données en limitant le besoin de déplacer les données d’un réseau à l’autre grâce à un algorithme de formation
5.5 Gestion des risques
5.5.1 Capacité à permettre aux organisations BFSI de collaborer et d’apprendre un modèle de prédiction partagé sans partager de données et d’effectuer une évaluation efficace du risque de crédit pour favoriser l’adoption de solutions d’apprentissage fédéré
5.6 Internet des objets industriel
5.6.1 Les solutions d’apprentissage fédéré permettent une maintenance prédictive sur les périphériques Edge sans centraliser les données et augmenter l’efficacité opérationnelle
5.7 Détection d’objets visuels en ligne
5.7.1 Possibilité d’activer la surveillance de la sécurité grâce à une détection visuelle améliorée des objets en ligne pour les applications Smart City afin de favoriser l’adoption de solutions d’apprentissage fédéré
5.8 Autres applications

6 Marché des solutions d’apprentissage fédéré, par vertical
6.1 Présentation
6.2 Banque, services financiers et assurances
6.2.1 Capacité à réduire les activités malveillantes et à protéger les données des clients pour favoriser l’adoption de solutions d’apprentissage fédéré dans le secteur vertical BFSI
6.2.2 Banque, services financiers et assurances: prévisions 2023-2028 (optimiste / tel quel / pessimiste)
6.3 Santé et sciences de la vie
6.3.1 Large pool d’applications, multiples initiatives de recherche et collaborations entre les fournisseurs de technologies et les organisations de la santé et des sciences de la vie pour stimuler la croissance du marché
6.3.2 Santé et sciences de la vie: prévisions 2023-2028 (optimiste / tel quel / pessimiste)
6.4 Vente au détail et commerce électronique
6.4.1 Capacité à permettre des expériences client personnalisées tout en garantissant la confidentialité des données client pour favoriser l’adoption de l’apprentissage fédéré dans le secteur de la vente au détail et du commerce électronique
6.4.2 Vente au détail et commerce électronique: prévisions 2023-2028 (optimiste / tel quel / pessimiste)
6.5 Fabrication
6.5.1 Focalisation sur la fabrication intelligente et besoin d’une intelligence opérationnelle améliorée pour favoriser l’adoption de l’apprentissage fédéré dans le secteur de la fabrication
6.5.2 Fabrication: prévisions 2023-2028 (optimiste / tel quel / pessimiste)
6.6 Énergie et services publics
6.6.1 Nécessité de contrôler les cyberattaques et d’améliorer la résilience du réseau électrique pour favoriser l’adoption de l’apprentissage fédéré dans le secteur de l’énergie et des services publics
6.6.2 Énergie et services publics: prévisions 2023-2028 (optimiste / tel quel / pessimiste)
6.7 Autres verticales

7 Marché des solutions d’apprentissage fédéré, par région
7.1 Présentation
7.2 Amérique du Nord
7.3 Europe
7.4 Asie-Pacifique
7.5 Reste du monde

8 profils d’entreprise
8.1 Présentation
8.2 NVIDIA
8.3 Cloudera
8.4 IBM
8.5 Microsoft
8.6 Google
8.7 Owkin
8.8 Intellegens
8.9 DataFleets
8.10 Delta de bord
8.11 Enivrer
8.12 Lifebit
8.13 Laboratoires d’IA sécurisés
8.14 Sherpa.ai
8.15 Apprentissage automatique décentralisé
8.16 Consilient
8.17 Analyse comparative de la concurrence

9 Marchés adjacents et connexes
9.1 Présentation
9.2 Marché de l’apprentissage automatique – Prévisions mondiales jusqu’en 2022
9.2.1 Définition du marché
9.2.2 Aperçu du marché
9.2.2.1 Marché de l’apprentissage automatique, par vertical
9.2.2.2 Marché de l’apprentissage automatique, par mode de déploiement
9.2.2.3 Marché de l’apprentissage automatique, par taille d’organisation
9.2.2.4 Marché de l’apprentissage automatique, par service
9.2.2.5 Marché de l’apprentissage automatique, par région
9.3 Marché du logiciel Edge AI – Prévisions mondiales jusqu’en 2026
9.3.1 Définition du marché
9.3.2 Aperçu du marché
9.3.2.1 Marché des logiciels Edge AI, par composant
9.3.2.2 Marché des logiciels Edge AI, par source de données
9.3.2.3 Marché des logiciels Edge AI, par application
9.3.2.4 Marché des logiciels Edge AI, par vertical
9.3.2.5 Marché des logiciels Edge AI, par région

10 Annexe
10.1 Experts de l’industrie
10.2 Guide de discussion
10.3 Knowledge Store: le portail d’abonnement
10.4 Personnalisations disponibles

Pour plus d’informations sur ce rapport, visitez https://www.researchandmarkets.com/r/tz6kr0

CONTACT: CONTACT: ResearchAndMarkets.com Laura Wood, Senior Press Manager press@researchandmarkets.com For E.S.T Office Hours Call 1-917-300-0470 For U.S./CAN Toll Free Call 1-800-526-8630 For GMT Office Hours Call +353-1-416-8900

Laisser un commentaire