Federated Learning é uma técnica de Machine Learning em que um modelo é treinado colaborativamente usando dados de vários dispositivos ou nós distribuídos em uma rede, sem compartilhar os próprios dados. Em vez disso, os dispositivos treinam o modelo localmente em seus próprios dados e enviam apenas atualizações para um servidor central, que agrega as atualizações e melhora o modelo. Essa abordagem preserva a privacidade e a segurança dos dados, pois os dados permanecem no dispositivo, permitindo ao mesmo tempo o uso de um conjunto de dados mais diversificado e representativo para treinamento, o que pode melhorar a precisão e robustez do modelo. O Aprendizado Federado tem sido cada vez mais utilizado em cenários onde a privacidade dos dados é uma preocupação, como na área da saúde, finanças, cidades inteligentes e em aplicações móveis.

Os tópicos:

• Introduction to Federated Learning
• Horizontal Federated Learning
• Vertical Federated Learning
• Federated Transfer Learning
• Privacy preservation in Federated Learning
• Federated Learning application