Šta je federated learning i koji su njegovi modeli agregacije (FedAvg)?

Federated učenje je pristup obučavanju modela mašinskog učenja gde podaci ostaju lokalno na uređajima korisnika, a obuka se odvija distribuirano. Model se obučava na lokalnim podacima svakog klijenta, a zatim se ažuriranja parametara šalju na centralni server radi agregacije, čime se povećava privatnost i sigurnost podataka.

Jedan od popularnih modela agregacije je FedAvg (Federated Averaging). U njemu, server prikuplja ažuriranja težina modela od klijenata i prosečno ih kombinuje uzimajući u obzir veličinu lokalnih podataka, formirajući ažurirani globalni model. Ovaj proces se ponavlja iterativno.

FedAvg omogućava efikasno obučavanje modela bez prenosa originalnih podataka, smanjujući rizik od curenja informacija. Međutim, postoje izazovi povezani sa heterogenosti podataka, asinhronošću i mogućim napadima, što zahteva dodatne mehanizme bezbednosti i otpornosti.