Aprendizaje federado: Privacidad e incentivos

Opiniones de los lectores

Actualmente no hay opiniones de lectores. La calificación se basa en 2 votos.

Título original:

Federated Learning: Privacy and Incentive

Contenido del libro:

Este libro ofrece una introducción exhaustiva y autocontenida al aprendizaje federado, que abarca desde los conocimientos y teorías básicos hasta diversas aplicaciones clave.

La privacidad y los incentivos son los temas centrales de este libro. Es oportuno, ya que el aprendizaje federado se está popularizando tras la publicación del Reglamento General de Protección de Datos (GDPR). Dado que el aprendizaje federado tiene como objetivo permitir que un modelo de máquina sea entrenado de forma colaborativa sin que cada parte exponga datos privados a los demás. Esta configuración se adhiere a los requisitos normativos de protección de la privacidad de los datos, como el GDPR.

Este libro contiene tres partes principales. En primer lugar, presenta diferentes métodos de preservación de la privacidad para proteger un modelo de aprendizaje federado contra distintos tipos de ataques, como la filtración de datos y/o el envenenamiento de datos. En segundo lugar, el libro presenta mecanismos de incentivos cuyo objetivo es animar a los individuos a participar en los ecosistemas de aprendizaje federado. Por último, pero no por ello menos importante, este libro también describe cómo puede aplicarse el aprendizaje federado en la industria y los negocios para abordar problemas de silos de datos y preservación de la privacidad. El libro está dirigido a lectores tanto del mundo académico como de la industria, que deseen aprender sobre el aprendizaje federado, practicar su implementación y aplicarlo en su propia empresa. Se espera que los lectores tengan conocimientos básicos de álgebra lineal, cálculo y redes neuronales. Además, sería útil contar con conocimientos en materia de FinTech y marketing".