Federated learning when the data cannot move
A battery plant will not hand you its production data. A hospital will not hand you its scans. That is not a technical problem you can engineer around, it is a hard constraint, and most machine learning quietly assumes the opposite: that you can pool everything into one place first. Federated learning drops that assumption. The model travels to the data instead of the data travelling to the model.
The idea, minus the mystique
The mechanism I work with is FedAvg, and it is simpler than the name suggests. Each client trains the shared model on its own local data for a bit, then sends back only the updated weights, never the data. A central server averages those weights into a new global model and sends it back out. Repeat. Nothing raw ever leaves a client. The privacy guarantee is structural: there is no step in the loop where the data is centralized.
Where it stops being clean
The honest difficulty is not the averaging, it is that real clients are not identical. When every client sees a similar slice of the data (the IID case), FedAvg converges nicely. When they do not (non-IID), each local update pulls the global model toward that client’s private distribution, and the averaging fights itself.
In my applied project I made that failure visible on purpose. I fine-tuned a ResNet-18, pretrained on ImageNet, across a federation using the Flower framework, on the OrganAMNIST medical imaging dataset (eleven abdominal organ classes from CT scans). Then I swept the things that actually move the needle: the number of clients (5, 10, 20), and the data heterogeneity, using Dirichlet partitioning from mild to severe. Watching accuracy degrade as the partitions get more skewed is the whole lesson of federated learning in one graph.
Why this is my thesis
My master thesis at KTH Stockholm, inside the EU Horizon Europe BATTwin project, takes the same principle to battery-cell manufacturing: predicting faults and defects across plants that will never share raw production data. Same constraint, higher stakes. The interesting engineering is never the averaging step, it is everything you do to keep a shared model useful when every client’s reality is a little different.
Aprendizaje federado cuando los datos no se pueden mover
Una planta de baterías no te va a entregar sus datos de producción. Un hospital no te va a entregar sus imágenes. No es un problema técnico que puedas sortear con ingeniería, es una restricción dura, y la mayor parte del machine learning asume en silencio lo contrario: que primero puedes juntarlo todo en un sitio. El aprendizaje federado tira esa suposición. El modelo viaja a los datos en vez de los datos al modelo.
La idea, sin misticismo
El mecanismo con el que trabajo es FedAvg, y es más simple de lo que sugiere el nombre. Cada cliente entrena el modelo compartido con sus datos locales un rato, y luego devuelve solo los pesos actualizados, nunca los datos. Un servidor central promedia esos pesos en un nuevo modelo global y lo reparte de vuelta. Se repite. Nada crudo sale nunca de un cliente. La garantía de privacidad es estructural: no hay ningún paso en el bucle donde los datos se centralicen.
Donde deja de ser limpio
La dificultad honesta no es el promediado, es que los clientes reales no son idénticos. Cuando cada cliente ve una porción parecida de los datos (el caso IID), FedAvg converge bien. Cuando no (no-IID), cada actualización local tira del modelo global hacia la distribución privada de ese cliente, y el promediado se pelea consigo mismo.
En mi proyecto aplicado hice ese fallo visible a propósito. Afiné una ResNet-18, preentrenada en ImageNet, sobre una federación con el framework Flower, en el dataset de imagen médica OrganAMNIST (once clases de órganos abdominales a partir de TACs). Luego barrí lo que de verdad mueve la aguja: el número de clientes (5, 10, 20) y la heterogeneidad de los datos, con particiones de Dirichlet de suaves a severas. Ver la precisión degradarse a medida que las particiones se desequilibran es toda la lección del aprendizaje federado en una sola gráfica.
Por qué esto es mi tesis
Mi tesis de máster en el KTH de Estocolmo, dentro del proyecto EU Horizon Europe BATTwin, lleva el mismo principio a la fabricación de celdas de batería: predecir fallos y defectos entre plantas que nunca compartirán datos crudos de producción. Misma restricción, más en juego. La ingeniería interesante nunca es el paso de promediar, es todo lo que haces para mantener útil un modelo compartido cuando la realidad de cada cliente es un poco distinta.