000			01750nam a22002297a 4500
003			ES-MaBCM
005			20260213112100.0
008			260213s2025 lu |||||s||||o00| 0 spa d
040			_cES-MaBCM
245	0	0	_aTechDispatch : _bFederated Learning = Aprendizaje Federado _h[Recurso electrónico]
260			_aLuxembourg, (European Union) _b : Publications Office of the European Union _b : Agencia Española de Protección de Datos _c , 2025
300			_a29 p.
520			_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.
650		7	_aInteligencia artificial
650		7	_aProtección de datos
650		7	_aTratamiento de datos
650		0	_aBig data
655		4	_aGuía _9115452
856			_uhttps://mpr.koha.es/cgi-bin/koha/opac-retrieve-file.pl?id=a287f7e0d88ef7a5fd0ae7b32c08c51e _yDESCARGAR DOCUMENTO
942			_cLE
999			_c232268 _d232268