Un estudio comparativo de métodos de MLOps para la protección de datos en aprendizaje federado

Problema Central: A pesar de la creciente relevancia del aprendizaje federado, la integración de prácticas de MLOps en estos entornos para fortalecer la seguridad y privacidad de los datos no ha sido suficientemente explorada. Este vacío en la investigación destaca la necesidad de un estudio detallado y comparativo que aborde específicamente esta intersección.

Objetivos: Investigar cómo las metodologías de MLOps pueden ser aplicadas efectivamente en entornos de aprendizaje federado para mejorar la protección de datos. Así como proporcionar un análisis comparativo de diferentes métodos de MLOps y evaluar su impacto en la privacidad y seguridad de los datos en el aprendizaje federado.