01848nam a22002297a 4500003000900000005001700009008004100026040001300067245008700080260013600167300001000303520093300313650002801246650002601274650002501300650001301325655001901338856011601357942000701473999001901480952011901499ES-MaBCM20260213112100.0260213s2025    lu |||||s||||o00| 0 spa d  cES-MaBCM00aTechDispatch :bFederated Learning = Aprendizaje Federadoh[Recurso electrónico]  aLuxembourg, (European Union)b : Publications Office of the European Unionb : Agencia Española de Protección de Datosc , 2025  a29 p.  aEl aprendizaje federado (Federated Learning, FL de aquí en adelante) presenta un enfoque prometedor para el aprendizaje automático (Machine Learning, ML de aquí en adelante) al permitir que múltiples fuentes de datos (dispositivos o entidades) entrenen de forma colaborativa un modelo de inteligencia artificial compartido mientras se mantienen los datos descentralizados. Este enfoque mitiga riesgos de privacidad, ya que los datos sin procesar permanecen localmente en las fuentes, lo que es particularmente beneficioso en escenarios donde la confidencialidad de los datos o los requisitos regulatorios hacen que la centralización de datos sea una solución poco práctica. Las aplicaciones del FL son diversas y abarcan recomendaciones personalizadas, análisis de datos sanitarios, espacios de datos y sistemas de transporte autónomos, donde garantizar la privacidad y la protección de datos es primordial.  7aInteligencia artificial 7aProtección de datos 7aTratamiento de datos 0aBig data 4aGuía9115452  uhttps://mpr.koha.es/cgi-bin/koha/opac-retrieve-file.pl?id=a287f7e0d88ef7a5fd0ae7b32c08c51eyDESCARGAR DOCUMENTO  cLE  c232268d232268  00102udc406EN_LÍNEA709244792aBCbBCcREd2026-02-13eDl0oEn línear2026-02-13 11:21:12w2026-02-13yLE