Tecnologías Específicas

Ingeniería de Computadores

Descripcion y Objetivos

El aprendizaje federado (FL, por sus siglas en inglés) es una tecnología emergente que descentraliza el procesamiento de datos y utiliza dispositivos locales para compartir modelos de aprendizaje automático actualizados. En el contexto de Internet de las Cosas (IoT, por sus siglas en inglés), donde se generan multitud de datos susceptibles de participar en procesos de entrenamiento en el borde de la red, esta estrategia presenta ventajas significativas, en términos de eficiencia en el uso de recursos de red y, sobre todo, en relación con la privacidad de los datos. 

Las características de los datos generados por los dispositivos IoT es un factor a tener en cuenta en el proceso. En este TFG se trata de estudiar cómo afecta la distribución de esos datos al proceso de FL en un contexto de Internet de las Cosas sobre dispositivos de bajo coste. En particular, se explorará si distintas distribuciones de datos pueden afectar a la cantidad de ellos necesaria para realizar un entrenamiento de calidad, afectando por tanto al uso de los recursos subyacentes. 

Objetivos específicos: 

• Estudio del concepto de Aprendizaje Federado 

• Estudio de una arquitectura de referencia para IoT, basada en dispositivos de bajo coste 

• Despliegue de un entorno de AF basado en la herramienta Flower sobre un testbed de Raspberry Pis. 

• Implementación de distintas políticas de distribución de los datos de aprendizaje. 

• Evaluación de dichas políticas sobre la calidad del aprendizaje y sobre el uso de los recursos subyacentes. 

 

 

Metodología y Competencias

Se aplicará una metodología ágil, a través de reuniones periódicas de seguimiento con los tutores. 

Las competencias de Ingeniería de Computadores que se aplicarán son: 

• Capacidad de analizar y evaluar arquitecturas de computadores, incluyendo plataformas paralelas y distribuidas, así como desarrollar y optimizar software para las mismas. 

• Capacidad para analizar, evaluar, seleccionar y configurar plataformas hardware para el desarrollo y ejecución de aplicaciones y servicios informáticos. 

• Capacidad para diseñar, desplegar, administrar y gestionar redes de computadores. 

 

Medios a utilizar

Todo el trabajo se desarrolla con software libre. 

En cuanto al hardware, se emplearán PCs, Rasperry Pis, y equipamiento similar disponible en el I3A. 

 

Bibliografía

• Brendan McMahan and Daniel Ramage, "Federated Learning: Collaborative Machine Learning without Centralized Training Data", 2017, disponible en https://blog.research.google/2017/04/federated-learning-collaborative.html  

• Beutel, D. J., Topal, T., Mathur, A., Qiu, X., Parcollet, T., de Gusmao, P. P. B., and Lane, N. D. Flower: A friendly federated learning framework. arXiv preprint https://arxiv.org/abs/2007.14390, 2021. 

• Víctor Hidalgo, Despliegue de Herramientas de Aprendizaje Federado sobre un Entorno Fog de Bajo Coste, Trabajo Fin de Máster, Máster Universitario de Ingeniería Informática, Universidad de Castilla-La Mancha, Julio 2024.