Explicabilidade na aprendizagem federada

Explainability in Federated Learning oferece uma exploração abrangente da integração da IA explicável (XAI) em sistemas de aprendizagem federada (FL). O livro começa por delinear os fundamentos da FL e da XAI antes de se aprofundar na sua intersecção destacando os desafios e benefícios da interpretabilidade em ambientes descentralizados. Apresenta várias técnicas de explicabilidade adaptadas à FL enfatizando a personalização o tratamento de dados heterogéneos e o funcionamento em ambientes com recursos limitados. Os capítulos principais abordam a confiança a justiça e a transparência apoiados por estudos de casos reais e ferramentas de visualização. As implicações éticas legais e sociais são discutidas juntamente com as perspectivas adversárias. O livro conclui com estratégias de benchmarking e futuras direcções de investigação servindo como um guia vital para investigadores programadores e decisores políticos que pretendam criar modelos de FL transparentes e fiáveis.