Recientemente estamos observando proyectos de clientes que usan Machine Learning federado (ML). Tradicionalmente el entrenamiento de modelos de ML ha requerido que los datos se coloquen en una ubicaci¨®n centralizada donde ejecutar el correspondiente algoritmo de entrenamiento. Esto es problem¨¢tico desde el punto de vista de la privacidad, especialmente cuando los datos de entrenamiento contienen informaci¨®n confidencial o de identificaci¨®n personal. Los usuarios pueden ser reacios a compartir datos o la legislaci¨®n local de protecci¨®n de datos nos puede impedir moverlos a una ubicaci¨®n centralizada. El ML federado es una t¨¦cnica descentralizada para entrenar un conjunto grande y diverso de datos que permite que ¨¦stos permanezcan remotos, por ejemplo, en el dispositivo de un usuario. El ancho de banda de la red y las limitaciones computacionales de los dispositivos a¨²n presentan desaf¨ªos t¨¦cnicos significativos, pero nos gusta la forma en que el ML federado deja a los usuarios en control de su propia informaci¨®n personal.
El entrenamiento de los modelos generalmente requiere recolectar los datos desde su fuente y transportarlos a una localizaci¨®n centralizada donde corre el algoritmo de entrenamiento.Esto se vuelve particularmente problem¨¢tico cuando los datos utilizados para el entrenamiento consisten en informaci¨®n personal identificable. Nos incentiva el auge del aprendizaje federado como un m¨¦todo de entrenamiento para diversos sets de datos que permite preservar la privacidad. Las t¨¦cnicas utilizadas en el aprendizaje federado permiten que los datos permanezcan en el dispositivo del usuario y bajo su control, contribuyendo igualmente con una colecci¨®n de datos para el entrenamiento de modelos. Para eso, el dispositivo actualiza un modelo independientemente; luego los par¨¢metros 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 t¨¦cnicos significativos, pero nos gusta como el aprendizaje federado deja al usuario en control de su propia informaci¨®n personal.
