Federated Learning epey güncel ve bu alanda tecrübesi olmayanlar için maalesef biraz ileri düzey bir konu. Normalde bir iş için model eğitilmek istendiğinde, modelin eğitileceği ortam ile verinin aynı yerde bulunması gerekiyordu. Örneğin Spotify ya da Netflix'de beğenilen içeriklere göre yeni içerik tavsiyesi, telefonunuzdaki klavyede kullanılan kelimelere göre otomatik öneriler gibi kullanıcılara ait olan veriler birleştirilerek bir öneri modeli oluşturulabilir.

Günümüzde veri gizliliğine duyulan hassasiyetin artmasıyla birlikte artık bu yönteme sıcak bakılmamaya başlandı. Federated Learning ile kullanıcının özel verisine doğrudan erişmeden model eğitilmesi amaçlanıyor.


Server-client yaklaşımıyla eğitim ortamı ile veriler birbirinden tamamen izole edilmiş halde tutuluyor. Serverdan gelen global model, tüm client cihazlara aktarılarak her birinde yeni model parametreleri hesaplanıyor. Daha sonra tekrar server tarafında bu bilgiler birleştiriliyor. Bu sayede veriler kullanıcıların cihazlarından ayrılmadan nihai model elde edilebilmekte. Öneri sistemi olarak örnek verdim fakat object detection, image classification gibi standart sinir ağları nerelerde kullanılıyorsa aynı görevler için kullanılabilir, sadece eğitim kısmı değişiyor.

Bu linkleri de inceleyebilirsiniz:
https://blog.ml.cmu.edu/2019/11/12/f...re-directions/
https://www.tensorflow.org/federated...classification