O seminário terá como título “Federated Learning at the Edge: Addressing Data Heterogeneity in IoT Systems”
A Aprendizagem Federada (FL) e a IA Edge são elementos fundamentais para uma inteligência escalável e que preserve a privacidade em sistemas baseados na Internet das Coisas (IoT). No entanto, as implementações no mundo real são inerentemente afetadas pela heterogeneidade dos dados (distribuições não IID) entre os diferentes contextos, o que degrada significativamente o desempenho e a convergência dos modelos. Nesta palestra, apresentamos uma abordagem orientada para o sistema à inteligência de ponta, combinando inferência no dispositivo, treino federado e soluções ao nível da arquitetura para lidar com a heterogeneidade. Começamos com pipelines de IA nativos de ponta para deteção e inferência em tempo real, destacando como o processamento local reduz a latência e a sobrecarga de comunicação. Em seguida, discutimos estratégias de aprendizagem por transferência federada que permitem o treino colaborativo de modelos entre clientes distribuídos, preservando simultaneamente a localidade dos dados. Por fim, uma nova arquitetura federada baseada num espaço latente partilhado pelos clientes, que melhora a robustez face a dados não IID, alinhando representações semânticas entre clientes e reduzindo simultaneamente os custos de comunicação.
O palestrante
Ivan Zyrianoff obteve a licenciatura em Ciências da Computação e o mestrado em Engenharia da Informação pela Universidade Federal do ABC, em Santo André, Brasil, em 2017 e 2019, respetivamente, e o doutoramento pela Universidade de Bolonha, em Bolonha, Itália, em 2024. É investigador da Universidade de Bolonha, em Bolonha, Itália, e membro do Laboratório IoT-Prism. Os seus temas de investigação atuais abrangem a interoperabilidade para a Internet das Coisas, computação e inteligência de ponta e armazenamento em cache proativo.
