Empreu aquest identificador per citar o enllaçar aquest ítem: http://hdl.handle.net/10609/126546
Títol: Federated learning network: Training distributed machine learning models with the federated learning paradigm
Autoria: Yáñez Parareda, Eduardo
Tutor: Freitag, Felix  
Resum: Aquest projecte té dos objectius principals. D'una banda, l'estudi de l'concepte de Federated Learning, el quin va ser encunyat fa 3 anys per un equip d'enginyers de Google. D'altra banda, es pretén desenvolupar un programari que serveixi com a eina per crear una xarxa distribuïda de dispositius, que sigui capaç d'entrenar models de Machine Learning mantenint la privacitat de les dades utilitzades per a aquests entrenaments. El resultat final és un programari funcional que compleix els nostres requisits inicials, i és capaç d'aplicar Federated Learning en un entorn distribuït, el que ens permet validar, d'una forma pràctica els conceptes inicials de l'estudi. Al llarg d'aquest projecte, es presenten els conceptes més importants de Federated Learning, així com alguns dels frameworks de programari que estan començant a sorgir a partir d'aquest.
Paraules clau: aprenentatge federat
aprenentatge automàtic
privadesa
computació distribuïda
Tipus de document: info:eu-repo/semantics/masterThesis
Data de publicació: gen-2021
Apareix a les col·leccions:Trabajos finales de carrera, trabajos de investigación, etc.

Arxius per aquest ítem:
Arxiu Descripció MidaFormat 
Federated_Learning_Network-master-project-report_EN.pdfMaster project's report5,95 MBAdobe PDFThumbnail
Veure/Obrir

Federated_Learning_Network-presentacion_ES.mp4

Project's presentation in Spanish108,66 MBMP4Veure/Obrir
federated-learning-network-main.zipMain source code621,3 kBTextVeure/Obrir
federated-learning-simulation-main.zipSource code of the small simulator6,11 kBTextVeure/Obrir
eypTFM0121memory.pdf5,93 MBAdobe PDFThumbnail
Veure/Obrir
Comparteix:
Exporta:
Consulta les estadístiques

Aquest ítem està subjecte a una llicència de Creative Commons Llicència Creative Commons Creative Commons