El aprendizaje federado proporciona las herramientas para que varias partes remotas entrenen de forma colaborativa un único modelo de aprendizaje automático sin compartir datos. Cada parte entrena un modelo local con un conjunto de datos privado. Sólo se envía el modelo local al agregador para mejorar la calidad del modelo global que beneficia a todas las partes.
Servicio requerido '
watsonx.ai Runtime. Debe instalar la instancia de servicio watsonx.ai Runtime en Cloud Pak for Data as a Service para utilizar Federated Learning. Federated Learning está disponible al instalar watsonx.ai Runtime.
Formato de datos '
' Cualquier formato de datos, incluidos, entre otros, archivos CSV, archivos JSON y bases de datos para PostgreSQL.
Credenciales requeridas
Credenciales de tareas
Cómo funciona Federated Learning
Vea este vídeo de visión general para aprender los conceptos y elementos básicos de un experimento de aprendizaje federado. Descubra cómo puede aplicar las herramientas para las mejoras analíticas de su empresa.
Este vídeo proporciona un método visual para aprender los conceptos y tareas de esta documentación.
Un ejemplo para usar Federated Learning es cuando una alianza de aviación quiere modelar cómo una pandemia global impacta en los retrasos de las aerolíneas. Cada parte participante en la federación puede utilizar sus datos para emtremar un modelo común sin mover ni compartir sus datos. Pueden hacerlo en silos de aplicación o en cualquier otro escenario en el que consideraciones normativas o pragmáticas impidan a los usuarios compartir datos. El modelo resultante beneficia a cada miembro de la alianza con conocimientos empresariales mejorados y reduce el riesgo de la migración de datos y los problemas de privacidad.
Como ilustra el gráfico siguiente, las partes pueden distribuirse geográficamente y ejecutarse en distintas plataformas. Un miembro puede trabajar en un servidor físico con una base de datos relacional en Norteamérica, otro miembro trabaja con una máquina virtual y Cloud Object Storage en Europa, y el último miembro podría trabajar en Australia con su computadora portátil y un archivo CSV.
Por qué utilizar IBM Federated Learning
IBM Federated Learning tiene una amplia gama de aplicaciones en muchos sectores empresariales. Federated Learning:
- Permite que los sitios con grandes volúmenes de datos se recopilen, se limpien y se entrenen en una escala de empresa sin migración.
- Se adapta a las diferencias en formato de datos, calidad y restricciones.
- Cumple con la privacidad y seguridad de los datos mientras entrena modelos con distintos orígenes de datos.
Más información
- Guías de aprendizaje y ejemplos de Federated Learning
- Iniciación
- Infraestructuras, métodos de fusión y versiones de Python
- Creación de un experimento de aprendizaje federado
- Aplicación del cifrado
- Limitaciones y resolución de problemas
Tema padre: Análisis de datos y generación de modelos