Pembelajaran Bersekutu

Pembelajaran Bersekutu ialah paradigma pembelajaran mesin teragih yang diperkenalkan oleh McMahan et al. pada 2017 di mana model global dilatih secara kolaboratif merentasi pelbagai klien terdesentralisasi — seperti peranti mudah alih atau sistem hospital — tanpa pernah memindahkan data mentah ke pelayan pusat. Setiap peserta mengira kemas kini model secara setempat menggunakan data peribadinya; hanya kemas kini tersebut, bukan data asas, yang dikomunikasikan dan diagregasi oleh pelayan untuk menambah baik model kongsi.