Contacta con nosotros

Temario del curso

Introducción al Aprendizaje Federado

  • Visión general de los conceptos del Aprendizaje Federado.
  • Entrenamiento descentralizado de modelos frente a enfoques centralizados tradicionales.
  • Beneficios del Aprendizaje Federado en la privacidad y la seguridad de los datos.

Algoritmos básicos de Aprendizaje Federado

  • Introducción al Promediado Federado (Federated Averaging).
  • Implementación de un modelo simple de Aprendizaje Federado.
  • Comparación del Aprendizaje Federado con el aprendizaje automático tradicional.

Privacidad y seguridad de datos en el Aprendizaje Federado

  • Comprensión de las preocupaciones sobre la privacidad de los datos en la IA.
  • Técnicas para mejorar la privacidad en el Aprendizaje Federado.
  • Métodos de agregación segura y cifrado de datos.

Implementación práctica del Aprendizaje Federado

  • Configuración de un entorno de Aprendizaje Federado.
  • Construcción y entrenamiento de un modelo de Aprendizaje Federado.
  • Despliegue del Aprendizaje Federado en escenarios del mundo real.

Desafíos y limitaciones del Aprendizaje Federado

  • Manejo de datos no IID (no independiente e idénticamente distribuidos) en el Aprendizaje Federado.
  • Problemas de comunicación y sincronización.
  • Escalabilidad del Aprendizaje Federado para redes grandes.

Casos de estudio y tendencias futuras

  • Casos de estudio de implementaciones exitosas de Aprendizaje Federado.
  • Exploración del futuro del Aprendizaje Federado.
  • Tendencias emergentes en la IA que preserva la privacidad.

Resumen y próximos pasos

Requerimientos

  • Conocimientos básicos sobre conceptos de aprendizaje automático.
  • Experiencia con programación en Python.
  • Familiaridad con los principios de la privacidad de datos.

Público objetivo

  • Científicos de datos.
  • Entusiastas del aprendizaje automático.
  • Principiantes en IA.
 14 Horas

Número de participantes


Precio por participante

Próximos cursos

Categorías Relacionadas