Aprendizaje Federado

El Aprendizaje Federado es un paradigma de aprendizaje automático distribuido introducido por McMahan et al. en 2017, en el cual un modelo global se entrena colaborativamente a través de múltiples clientes descentralizados —como dispositivos móviles o sistemas hospitalarios— sin transferir nunca datos brutos a un servidor central. Cada participante calcula actualizaciones del modelo localmente utilizando sus datos privados; solo esas actualizaciones, no los datos subyacentes, son comunicadas y agregadas por el servidor para mejorar el modelo compartido.