Menu
Técnicas

Aprendizado 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
Avalie?

Treinamento de modelo geralmente requer coleta e transporte de dados de sua fonte para uma localização centralizada onde o algoritmo de treinamento é executado. Isso se torna particularmente problemático quando os dados em treinamento consistem de informações pessoalmente identificáveis. Estamos otimistas com o aparecimento do aprendizado federado como um método de treinamento que preserva a privacidade em um grande conjunto de dados relacionados a indivíduos. As técnicas de aprendizado federado permitem que os dados permaneçam no dispositivo do usuário, sob seu controle, e ainda contribuindo para um conjunto de dados de treinamento. Assim, cada dispositivo do usuário atualiza um modelo independentemente; então, os parâmetros do modelo, em vez dos dados em si, são combinados em uma visualização centralizada. Largura de banda e limitações computacionais do dispositivo apresentam desafios técnicos significativos, mas gostamos da maneira que o aprendizado federado deixa o usuário no controle de sua própria informação pessoal.