Aprendizagem Federada

Aprendizagem Federada é um paradigma de aprendizado de máquina distribuído introduzido por McMahan et al. em 2017, no qual um modelo global é treinado colaborativamente em múltiplos clientes descentralizados — como dispositivos móveis ou sistemas hospitalares — sem nunca transferir dados brutos para um servidor central. Cada participante calcula as atualizações do modelo localmente usando seus dados privados; apenas essas atualizações, e não os dados subjacentes, são comunicadas e agregadas pelo servidor para melhorar o modelo compartilhado.