🤓🤓🤓🤓🤓🤓🤓🤓 💥 Сегодня в рубрике #разбираемся_в_понятиях — метод, открывающий путь к совместному обучению модели на данных, недоступных для централизации. Представьте учителей из разных филиалов одного образовательного учреждения. Они независимо друг от друга проверяют контрольные своих учеников и присылают директору только статистику ошибок. Руководитель, исходя из этой информации, совершенствует программу и возвращает обновлённые рекомендации каждому педагогу — общая траектория обучения становится точнее и эффективнее с каждым разом. По такому же принципу работает и Federated learning, доказывающий, что централизованные датасеты — это лишь часть реальной картины. Самые ценные данные для обучения моделей — именно те, которые невозможно собрать в одном месте: истории болезней из разных клиник, транзакции конкурирующих банков, запросы миллионов пользователей. Владельцы охраняют эту информацию по разным причинам: коммерческая тайна, приватность, законодательные ограничения. 🎯 Федеративное обучение меняет саму постановку задачи: для достижения результата данные не нужно собирать и нарушать конфиденциальность. Каждый участник тренирует модель локально и передаёт только обновления параметров. Они агрегируются на сервере, и улучшенная версия алгоритма возвращается всем участникам. Так исходные данные не покидают источник ни разу, а общий прогресс не стоит на месте — модель становится умнее с каждым циклом. 🅱️ Интеграл в VK | 📤 Интеграл в MAX