Información administrativa
| Título | Teoría del Aprendizaje Federado (Perfilización y Personalización) |
| Duración | 45-60 min |
| Módulo | C |
| Tipo de lección | Conferencia |
| Enfoque | Técnico — Futuro AI |
| Tema | Avances en los modelos ML a través de una lente HC — Un estudio orientado a resultados |
Keywords
Aprendizaje Federado, sistema basado en el conocimiento, preservación de la privacidad,
Objetivos de aprendizaje
- Proporcionar las motivaciones para hacer Aprendizaje Federado
- Proporcionar una comprensión inicial de las técnicas básicas para el Aprendizaje Federado
- Discutir las principales limitaciones y los desafíos relacionados con ellas
Preparación prevista
Eventos de aprendizaje que se completarán antes
Obligatorio para los estudiantes
- Conocimientos básicos de probabilidad y estadísticas
- Comprensión básica del entrenamiento de aprendizaje profundo (SGD, algoritmo de retropropagación) y técnicas de evaluación
- Introducción al aprendizaje automático y a los conceptos de aprendizaje profundo impartidos en conferencias anteriores
Opcional para estudiantes
Ninguno.
Referencias y antecedentes para estudiantes
Ninguno.
Recomendado para profesores
- P. Kairouz, et al. «Avances y Problemas Abiertos en el Aprendizaje Federado», Fundamentos y Tendencias en Machine Learning: Vol. 14: N.º 1-2; pp. 1-210. — URL
- Konečný, Jakub y McMahan, H. Brendan y Ramage, Daniel y Richtárik, Peter. Optimización federal: Aprendizaje automático distribuido para la inteligencia en el dispositivo». arXiv 2016.
- Chen Zhang, et al., Una encuesta sobre el aprendizaje federado, Sistemas Basados en el Conocimiento, Volumen 216, 2021, 106775, ISSN 0950-7051 - URL
- Aprendizaje Federado de Google e IA
- AprendizajeFederado: Aprendizaje automático colaborativo sin datos de capacitación centralizados
- Aprendizaje profundo -> Aprendizaje Federado en 10 líneas
- TensorFlow/federado
Material didáctico
Instrucciones para profesores
- Proporcionar una visión general de las técnicas, sus pros y sus contras
- Proponer cuestionarios emergentes
El evento de aprendizaje se referirá a los tipos de modelos, su evaluación y las posibles técnicas de optimización.
Esquema
| Duración | Descripción | Conceptos |
|---|---|---|
| 10 min | Introducción: Escenario motivador e introducción al aprendizaje federado: qué es, para qué sirve, cuándo y por qué se necesita. | Gravedad de los datos, privacidad de los datos y definición de escenario habilitador. |
| 10 min | Aprendizaje Federado: conceptos básicos, definición del sistema y visión general algorítmica | Nociones básicas del enfoque de Aprendizaje Federado |
| 15 min | Algoritmo medio federado: Definición formal y propiedades | Algoritmo básico para el aprendizaje federado |
| 20 min | Más allá del promedio federado: limitaciones del promedio federado, desafíos y posibles soluciones. | Desequilibrio de datos, personalización, equidad |
| 5 min | Conclusión, preguntas y respuestas | Resumen |
Reconocimientos
El programa de maestría en IA centrada en el ser humano fue cofinanciado por el Mecanismo «Conectar Europa» de la Unión Europea en virtud de la subvención «CEF-TC-2020-1 Digital Skills 2020-EU-IA-0068».