Processant ...

El projecte té com a objectiu principal dissenyar, implementar i avaluar un sistema bàsic d'aprenentatge federat aplicat a l'àmbit mèdic, amb un enfocament especial en la preservació de la privacitat, la seguretat de les dades i la viabilitat tècnica en entorns distribuïts. L’estudiant adquirirà una comprensió integral dels fonaments teòrics i pràctics de l’aprenentatge federat, des del preprocessament de dades i la configuració de simulacions fins al desenvolupament de models, l'avaluació de rendiment i la reflexió sobre les implicacions ètiques i socials de l’ús d’aquest paradigma en l’atenció sanitària. Objectius específics Objectiu 1: Comprendre els fonaments de l' aprenentatge federat Proporcionar coneixements bàsics sobre l' aprenentatge federat, inclosa la seva arquitectura, els seus components clau i com aborda la privacitat i la seguretat de les dades en l'aprenentatge distribuït. Clau i com aborda la privacitat i seguretat de les dades en entorns distribuïts. Revisar la literatura actual i els casos d' estudi sobre l' aplicació de l' Aprenentatge Federat en l' atenció sanitària, fent esment als avantatges i els reptes en escenaris de dades mèdiques. Objectiu 2: Maneig de dades i configuració de la simulació Configurar un entorn d' aprenentatge federat simulat utilitzant un conjunt de dades mèdiques o dades sintètiques que imitin escenaris del món real. Ensenyar el preprocessament de dades en un context d' Aprenentatge Federat, centrant-se en la normalització de dades, augment de dades per preservar la privacitat i tècniques de transmissió de dades. Objectiu 3: Desenvolupament de models i formació federada Instruir l' alumne perquè desenvolupi un model senzill d' aprenentatge automàtic adequat per a l' Aprenentatge Aprenentatge federat, com la regressió logística o una xarxa neuronal bàsica, per resoldre un problema típic de classificació o regressió en l' anàlisi de dades mèdiques. Implementar i executar un cicle d'entrenament d'Aprenentatge Federat, on el model s'entrena múltiples nodes simulats per demostrar el concepte d'aprenentatge a partir de dades descentralitzades sense comprometre la privacitat. Objectiu 4: Avaluació del rendiment del model i aspectes de privacitat Avaluar el rendiment del model en termes d' exactitud, precisió, recuperació i altres mètriques rellevants per valorar la seva eficàcia. Mètriques rellevants per avaluar la seva eficàcia en una configuració d' Aprenentatge Federat. Discutir i avaluar les característiques de preservació de la privacitat de l' enfocament de Federated Learning . Privacitat, com la privacitat diferencial i l' agregació segura, per comprendre la seva en el rendiment del model i la seguretat de les dades. Objectiu 5: Reptes pràctics i consideracions ètiques Explorar els reptes pràctics de la implementació de l' aprenentatge federat en entorns sanitaris reals, com la latència de la xarxa, l'heterogeneïtat de les dades i els problemes d'escalabilitat. Discutir les consideracions ètiques, assegurant-se que l' estudiant comprèn les implicacions de la privacitat de les dades, el consentiment i la seguretat en l' aprenentatge federat. La privacitat de les dades, el consentiment i la seguretat en les a