Diseña un sistema de federated learning para hospitales en Brasil bajo LGPD
Visión general
De qué trata este proyecto.
Recibirás 3 datasets sintéticos representando 3 hospitales (15.000-25.000 pacientes cada uno) con esquemas idénticos. Implementa: (1) modelo baseline entrenado centralmente sobre los datos unidos, (2) federated learning con FedAvg usando Flower, (3) variante con secure aggregation. Evalúa AUC por hospital sobre un holdout retenido y compara contra el baseline central. Documenta garantías de LGPD del esquema federado. Entrega informe técnico de 5 páginas + presentación al comité.
El Briefing
Lo que harás y lo que demostrarás.
Diseñar un piloto federated learning entre 3 hospitales que preserve LGPD con AUC dentro de 2 puntos del baseline central.
Earning criteria — what you'll demonstrate
- Aplicar federated learning práctico con Flower
- Comprender el trade-off federado vs. central sobre datos heterogéneos
- Diseñar garantías de cumplimiento LGPD en arquitecturas federadas
- Comunicar trade-offs técnicos y regulatorios a un comité no técnico
Encaje académico
Dónde encaja esto en tus estudios.
Afina las mismas habilidades que tu titulación espera de ti.
Habilidades
Habilidades que demostrarás.
Cada una aparece en tu credencial verificada.
Carreras
Roles para los que esto te prepara.
Títulos reales. Puentes de habilidades reales. Elige el que más se acerque a tu trayectoria.
Trayectorias profesionales que esto construye
Roles canónicosInvestigador/a en Seguridad de IA
Diseñar federated learning con cumplimiento LGPD es exactamente el trabajo del AI safety researcher en salud y sectores regulados.
Este proyecto afina
- federated-learning
- secure-aggregation
- lgpd-compliance
Arquitecto/a de Soluciones de IA
Diseñar y comunicar arquitecturas federated con garantías regulatorias es competencia del solutions architect en salud.
Este proyecto afina
- system-design
- federated-learning
- lgpd-compliance
Ingeniero/a de Machine Learning
Implementar federated learning con Flower y evaluarlo contra baseline es competencia del MLE aplicado a sectores con datos sensibles.
Este proyecto afina
- federated-learning
- pytorch
- python