El aprendizaje federado es un método en el campo del aprendizaje automático, en el que muchos dispositivos o computadoras entrenan conjuntamente un modelo sin necesidad de compartir sus datos.
En lugar de recopilar todos los datos en un lugar central, cada dispositivo mantiene sus propios datos.
Los dispositivos aprenden localmente y solo envían la información aprendida, como por ejemplo actualizaciones del modelo, a un servidor central.
Allí, estas actualizaciones se combinan para mejorar un modelo común.
De este modo, se protege la privacidad de los usuarios mientras se aprovechan los datos de todos.