Для построения качественных моделей машинного обучения часто нужно много данных. В мире огромное количество данных, которое растет каждый день. Однако на них могут распространяться законы о персональных данных. Также данные могут занимать много места и их фактически невозможно собрать в централизованное хранилище для последующего обучения. Решить эти проблемы помогает один из подходов коллаборативного обучения, который получил название Federated Learning. Он позволяет обучать модели на распределенных данных, не пересылая сами данные и не нарушая их приватности. Вместо того чтобы отправлять данные к моделям, в федеративном обучении мы отправляем модели к данным. В рамках данного туториала мы познакомимся с Python open-source библиотекой для федеративного обучения – OpenFL (
https://github.com/intel/openfl). Посмотрим новый функционал библиотеки, построим свою федеративную сеть для обучения на распределенных данных и разберем несколько примеров ее применения.