Análisis del impacto del aprendizaje federado en entornos desbalanceados

Abstract

[ESP] Con este proyecto se ha querido estudiar sobre el aprendizaje federado (federated learning), un campo bastante reciente dentro del aprendizaje profundo (deep learning). Esta aproximación puede ser una apuesta muy interesante para muchas empresas, ya que el aprendizaje federado permite hacer uso de datos sin la necesidad de tener que compartirlos, de modo que los datos se mantienen en privado. Más específicamente, el objetivo de este proyecto ha sido hacer un análisis sobre el impacto que este tipo de aprendizaje tiene sobre entornos desbalanceados, haciendo uso de diferentes distribuciones de datos y diferentes algoritmos de agregación. Es bien sabido que un aprendizaje federado no podrá alcanzar un nivel de precisión como el de uno centralizado. Es por ello que se ha querido analizar en que situaciones se le podría sacar el mayor provecho, teniendo en cuenta si la perdida de precisión podría considerarse aceptable o no.

[ENG] This project studies federated learning, a fairly recent field within deep learning. Since federated learning allows the use of data without the need to share it, this approach can be a very interesting bet for many companies, so their data is kept private. More specifically, this project analyzes the impact this type of learning has on unbalanced environments, making use of different data distributions and different aggregation algorithms. It is well known that a federated-learned model will not be able to achieve a level of precision a centralized-learned one can achieve. This gives us a reason to analyze in which situations we could get the most out of it, taking into account if the loss of precision could be considered acceptable or not.

[EUS] Proiektu honen bidez ikasketa federatua (federated learning) landu nahi izan da, ikasketa sakonaren (deep learning) barruan azken urteotan agertu den esparru berri bat hain zuzen ere. Ikasketa federatuak datuak konpartitu beharrik gabe datuak erabiltzea ahalbidetzen duenez, enpresa askorentzat apostu oso interesgarria izan daiteke, modu honetan datuak pribatutasunean mantenduko dituztelako. Zehatzagoak izateko, proiektu honen helburua ikasketa mota honek ingurune desorekatuetan daukan eraginaren analisi bat egitea izan da, datu-banaketa desberdinak eta bateratze-algoritmo desberdinak erabiliz. Ikasketa federatu batek ezingo du ikasketa zentralizatu batek lortzen duen doitasun-maila gainditu, hori bistakoa da. Arrazoibide honek ordea, ikasketa honi etekin handiena zein egoeretan atera dakiokeen ikertu nahi izatera bultzatu gaitu, doitasun-galera onargarria izan daitekeen ala ez kontuan hartuz.