Apprentissage fédéré

L’apprentissage fédéré pour les modèles génératifs est une approche d’apprentissage automatique où plusieurs appareils ou serveurs distribués collaborent pour entraîner un modèle génératif tout en conservant les données localement. Cela permet de préserver la confidentialité des données tout en tirant parti de la puissance de calcul distribuée pour l’entraînement du modèle.

Exemple : Dans le domaine de la santé, des hôpitaux peuvent collaborer pour entraîner un modèle de diagnostic médical en utilisant des données de patients locaux sans avoir à partager ces données sensibles entre les institutions.

Retourner à l'index du lexique