Sistema de ejecución y aprovisionamiento automático para entrenamientos de aprendizaje federado

Abstract

[Resumen]: Los modelos de Inteligencia Artificial (IA) resuelven tareas concretas para las que se entrenan utilizando datos. La cantidad de datos necesaria para optimizar un modelo de manera satisfactoria, para una tarea específica, suele ser grande y requiere diversidad. La tendencia actual de generar cada vez más datos y en más dispositivos, posibilitan la oferta de nuevos servicios basados en IA que antes no eran posibles. La utilización de estos datos, a veces de índole personal, suscitan inquietud en cuanto a la vulneración de la privacidad del usuario. Es por ello que surge el aprendizaje federado (FL), una tecnología que busca aprovechar este tipo de datos para entrenar modelos IA sin comprometer la privacidad de los mismos. Hay multitud de frameworks disponibles para desarrollar proyectos basados en FL, pero la difícil curva de aprendizaje y configuración de entornos federados supone un impedimento para su uso efectivo en un ámbito industrial. Es por ello, que en este Trabajo Fin de Máster (TFM) se propone el diseño e implementación de un framework flexible y reutilizable que se combina con el desarrollo de un sistema para el aprovisionamiento de una configuración, de forma que automatice el despliegue de un entorno federado en el contexto de la empresa colaboradora ITG.[Abstract]: Artificial Intelligence (AI) models are trained using data for solving specific tasks. The amount of data required to successfully optimize a model for a given task is typically large and diverse. New AI-based services are made possible by the current trend of data generation from more devices. Sometimes, this data includes personal information that raises a concern about user privacy. Therefore, the concept of Federated Learning (FL) is proposed to handle this issue, allowing the usage of this data for training AI models without compromising the privacy. There are many frameworks available for developing FL based projects. The steep learning curve and the complexity of setup a federated environment within a company setting pose significant challenges that hinder the adoption of this technology. In this master thesis we propose the design and development of a flexible and reusable framework that is combined with an automatic provisioning system for deploying federated environments in the context of the collaborator company ITG.