Glosario IA
El diccionario completo de la Inteligencia Artificial
TensorFlow Federated
Framework de código abierto desarrollado por Google para el aprendizaje federado, integrado con TensorFlow y que permite la simulación e implementación de algoritmos de aprendizaje distribuido en datos descentralizados.
PySyft
Biblioteca Python de código abierto para el aprendizaje federado y la preservación de la privacidad, que combina PyTorch con técnicas de criptografía y compartición segura de secretos.
Flower Framework
Framework de aprendizaje federado agnóstico al framework de ML, que ofrece una arquitectura flexible para implementar sistemas de aprendizaje federado con clientes heterogéneos y estrategias de agregación personalizables.
FedML
Biblioteca de investigación y producción para el aprendizaje federado, MLOps y benchmarking, que proporciona una plataforma completa para el desarrollo e implementación de aplicaciones de aprendizaje federado a gran escala.
OpenFL
Framework de código abierto para el aprendizaje federado en entornos de salud y médicos, desarrollado por Intel y específicamente diseñado para los requisitos de confidencialidad y cumplimiento HIPAA.
Substrato
Plataforma de aprendizaje federado de código abierto basada en Kubernetes, que permite la orquestación de cargas de trabajo de aprendizaje distribuido con aislamiento y seguridad reforzadas entre los participantes.
LEAF
Benchmark de código abierto para el aprendizaje federado, que proporciona conjuntos de datos realistas particionados e implementaciones de referencia para evaluar algoritmos en condiciones heterogéneas.
FedAvg
Algoritmo de agregación fundamental en el aprendizaje federado que realiza un promedio ponderado de los modelos locales de los clientes según el tamaño de sus conjuntos de datos, sirviendo como base para muchas variantes.
FedProx
Extensión de FedAvg que añade un término de regularización proximal al objetivo local para manejar la heterogeneidad del sistema y estadística entre clientes, mejorando la convergencia en entornos no-IID.
SCAFFOLD
Algoritmo de aprendizaje federado que corrige el desfase de gradiente cliente-servidor (client-drift) utilizando variables de control para estabilizar el entrenamiento en escenarios altamente heterogéneos.
FedBN
Técnica de aprendizaje federado que preserva localmente las estadísticas de Batch Normalization para cada cliente, permitiendo manejar mejor las distribuciones de datos no-IID entre participantes.
FedOpt
Familia de optimizadores de servidor para aprendizaje federado que aplica métodos de optimización adaptativos como Adam o Yogi directamente en el proceso de agregación de modelos globales.
FedPer
Enfoque de aprendizaje federado que separa los parámetros del modelo en base (compartidos globalmente) y personalizados (locales), permitiendo una personalización efectiva mientras se preserva la colaboración.
Servidor de Agregación
Componente central en la arquitectura federada que recoge las actualizaciones locales de los clientes, ejecuta el algoritmo de agregación y distribuye el modelo global actualizado a los participantes.
Biblioteca de Cliente
Conjunto de herramientas de software del lado del cliente que implementan los protocolos de comunicación, el entrenamiento local seguro y la gestión del ciclo de vida de los modelos en un sistema de aprendizaje federado.
Agregación Segura
Protocolo criptográfico que permite al servidor agregar las actualizaciones de modelos sin acceder a las actualizaciones individuales de los clientes, preservando así la confidencialidad de las contribuciones locales.
Cifrado Homomórfico
Técnica criptográfica que permite realizar cálculos directamente sobre datos cifrados, utilizada en aprendizaje federado para agregar modelos sin nunca descifrar las contribuciones de los clientes.