🎒 Ficha de estudio — P146 · Aprendizaje eficiente en comunicación de redes profundas con datos descentralizados
Generado por
python scripts/generate_papers.py. Tu bitácora personal va enBITACORA.md.
Paper: Communication-Efficient Learning of Deep Networks from Decentralized Data (2017)
Nivel: L2 · Notebook: P146_federado.ipynb
Entrena un modelo compartido sin que los datos salgan del dispositivo, promediando modelos en vez de recoger registros.
- Lee la pasada 1 de la ficha: título, resumen, figuras. 10 minutos, sin fórmulas.
- Responde por escrito: ¿qué problema resolvía? Compáralo con: «Los datos más útiles para entrenar —lo que se escribe en el teclado, lo que se fotografía— son los más sensibles y viven en millones de dispositivos con conexión lenta e intermitente. Centralizarlos es caro en comunicación y problemático en privacidad.»
- Abre el notebook y escribe tu predicción (sección 7) antes de ejecutar nada.
- Ejecuta y contrasta. Si acertaste, explica por qué; si fallaste, explica qué supusiste mal.
- Haz el anti-patrón (sección 11) y su corrección. Es la parte que más se evalúa.
- Escribe una limitación de la miniatura y una del paper. No las copies de la ficha.
- Sé qué se hacía antes de este paper y por qué no bastaba.
- Puedo dibujar el mecanismo sin mirar.
- Ejecuté la miniatura e interpreté su salida sin repetir el texto de la ficha.
- Sé nombrar una cosa que el paper no demostró.
- Sé qué idea de las que suelen atribuírsele llegó en realidad después.
- Puedo conectar este hito con el siguiente en una frase.
aprendizaje federadopromediadocomunicacióndatos descentralizadosheterogeneidad