FedCast: Personalisierte Vorhersagen ohne Daten zu teilen

Was macht das Projekt aus?

FedCast ist ein Open-Source-Toolkit für personalisiertes Federated Learning mit Zeitreihendaten. Ob im Gesundheitswesen zur individuellen Therapieplanung, in der Energieversorgung zur Optimierung des Verbrauchs oder in der Industrie zur vorausschauenden Wartung von Maschinen – präzise und personalisierte Vorhersagen sind von entscheidender Bedeutung. Bisherige Ansätze erfordern jedoch oft die zentrale Speicherung sensibler Daten, was nicht nur ein erhebliches Risiko für den Datenschutz darstellt, sondern auch das Vertrauen der Nutzer in solche Technologien untergräbt. FedCast ermöglicht die Entwicklung individualisierter Prognosemodelle direkt auf den Geräten der Nutzenden, ohne sensible Informationen an Dritte weiterzugeben oder zentral zu speichern.

Welches Publikum spricht das Projekt an?

Die Zielgruppe des Projekts sind Forscherinnen, Entwicklerinnen und Data Scientists im Bereich Machine Learning und Zeitreihenanalyse, die Federated Learning in ihren Projekten einsetzen oder evaluieren möchten.

Was soll erreicht werden?

Ziel ist ein robustes, anpassbares Toolkit zur Verfügung zu stellen, mit dessen Hilfe Anwendungen für personalisiertes Federated Learning schnell und leicht entwickelt werden können. Dabei sollen verschiedene Algorithmen und Methoden kombiniert werden können.