Menú
Técnicas

Aprendizaje Federado

NOT ON THE CURRENT EDITION
This blip is not on the current edition of the radar. If it was on one of the last few editions it is likely that it is still relevant. If the blip is older it might no longer be relevant and our assessment might be different today. Unfortunately, we simply don't have the bandwidth to continuously review blips from previous editions of the radarUnderstand more
Nov 2019
Evaluar?

El entrenamiento de los modelos generalmente requiere recolectar los datos desde su fuente y transportarlos a una localización centralizada donde corre el algoritmo de entrenamiento.Esto se vuelve particularmente problemático cuando los datos utilizados para el entrenamiento consisten en información personal identificable. Nos incentiva el auge del aprendizaje federado como un método de entrenamiento para diversos sets de datos que permite preservar la privacidad. Las técnicas utilizadas en el aprendizaje federado permiten que los datos permanezcan en el dispositivo del usuario y bajo su control, contribuyendo igualmente con una colección de datos para el entrenamiento de modelos. Para eso, el dispositivo actualiza un modelo independientemente; luego los parámetros del modelo, en lugar de los datos, son combinados en una vista centralizada. El ancho de banda y las limitaciones computacionales del dispositivo representan retos técnicos significativos, pero nos gusta como el aprendizaje federado deja al usuario en control de su propia información personal.