Flautim: A Federated Learning Platform using K8S and Flower

Federated learning (FL) is a cutting-edge technology in artificial intelligence that preserves data privacy and security while reducing the cost of computation and communication. It transforms traditional centralized machine learning and deep learning approaches to enable decentralized model training without the need for data exchange. This work presents Flautim, the first implementation of an FL platform in Brazil and all around Latin America based on Kubernetes (K8S) and Flower framework. Flautim is designed for academic use, enabling researchers without a technical background to conduct FL experiments on this platform easily. Also, this platform allows for the development of applications involving data gathered from connected vehicles. Thus, this study aims to introduce this new FL platform, providing comprehensive details of its architecture.

Disponível em: https://sol.sbc.org.br/index.php/webmedia_estendido/article/view/30484 

 

Facebook
Twitter
LinkedIn

Contato

Envelope Linkedin Instagram

Acesse

Future Lab – Laboratório de Pesquisa Inovação

Transformação Digital na Sociedade

futurelab@dcc.ufmg.br

Patrícia Accacio

Possui formação em Consultoria e Facilitação Integral pela Chié Integrantes – Meta Integral (2022); Possui Especialização em Gerenciamento de Projetos pela Pontifícia Católica de Minas Gerais (PUC/MG) (2012); Possui Especialização em Gestão Estratégica de Finanças Empresariais pelo Centro Universitário de Belo Horizonte (UNI/BH) (2007); Possui graduação em Turismo pelo Centro Universitário de Belo Horizonte (2005); Discente em Disciplinas Isoladas do Mestrado em Inovação Tecnológica da Universidade Federal de Minas Gerais (2019, 2023). Mais de 20 anos de experiência em Gerenciamento de Projetos e Equipes. Atualmente é colaboradora da Universidade Federal de Minas Gerais, com interesses pelas linhas de pesquisas de gestão integral, cultura organizacional, impactos na mudança de gestão e facilitação de grupos.

 

Contato:  patricia.accacio@dcc.ufmg.br

Heitor Soares Ramos Filho

Heitor Ramos é Professor Associado de Ciência da Computação na Universidade Federal de Minas Gerais (UFMG), Brasil, com mais de uma década de experiência no ensino, pesquisa e coordenação de projetos de P&D. Sua expertise abrange Aprendizado Federado, Análise de Dados para Internet das Coisas (IoT), Redes de Sensores, Redes Sociais e aplicações de Computação Urbana.

O professor Ramos é editor acadêmico da revista científica PLOS ONE e membro sênior do IEEE, além de ser bolsista de produtividade do CNPq, nível 2, desde 2016. Ao longo de sua carreira, foi reconhecido por suas contribuições acadêmicas, incluindo o prêmio de “Best Paper” da conferência ACM SenSys em 2012 e sua participação como PhD Fellow da Microsoft Research em 2010.

Ele é um membro ativo da comunidade científica, com mais de 100 artigos científicos publicados em conferências e periódicos de alto impacto, além de uma patente registrada no USPTO. Como orientador, supervisionou mais de 18 alunos de pós-graduação e 16 projetos de graduação, contribuindo significativamente para a formação de pesquisadores e profissionais da área.

Além de suas atividades acadêmicas, o professor Ramos dedica-se à aplicação prática da ciência da computação para resolver desafios contemporâneos em IoT, Aprendizado de máquina e computação urbana.

Contato ramosh@dcc.ufmg.br

Frederico Gadelha Guimarães

Professor Associado do Departamento de Ciência da Computação da UFMG. Possui graduação (2003), mestrado (2004) e doutorado (2008) em Engenharia Elétrica pela Universidade Federal de Minas Gerais (UFMG), com período de doutorado sanduíche na McGill University, Montreal, Canadá (2007), e pós-doutorado (2018) no Laboratoire Images, Signaux et Systèmes Intelligents (LiSSi), vinculado à Université Paris-Est Créteil (UPEC), Paris, França. Foi professor do Instituto Federal Minas Gerais campus Ouro Preto (IFMG-OP) (2007 a 2008). Foi professor adjunto do Departamento de Computação da Universidade Federal de Ouro Preto (UFOP) (2008 a 2010) e coordenador do Programa de Pós-graduação em Ciência da Computação da mesma instituição. Foi professor associado do Departamento de Engenharia Elétrica da UFMG (2010 a 2023) e fundador do Laboratório Machine Intelligence and Data Science (MINDS) (http://minds.eng.ufmg.br/) de pesquisa em inteligência computacional e ciência de dados. Foi Coordenador Didático do Curso de Graduação em Engenharia de Sistemas (2012 a 2014). Foi Coordenador do Programa de Pós-Graduação em Engenharia Elétrica (PPGEE) da UFMG (2021 a 2024). É Pesquisador associado do Centro de Inovação em Inteligência Artificial para a Saúde (CIIA-Saúde) da UFMG. Atualmente é Bolsista de Produtividade em Pesquisa do CNPq nível 1D (desde 2017). Foi Bolsista de Produtividade em Pesquisa do CNPq nível 2 (2011 a 2017). É Editor Associado das revistas Learning Nonlinear Models, Neurocomputing (Elsevier), Engineering Applications of Artificial Intelligence (Elsevier), Evolving Systems (Springer) e IEEE Access. Foi membro do conselho superior da Sociedade Brasileira de Inteligência Computacional (SBIC) no período (2009 a 2013), membro da diretoria da SBIC no período (2013 a 2015), membro do International Council on Systems Engineering (INCOSE) e membro fundador do INCOSE Brasil. Atualmente é membro do Conselho superior da SBIC (2021 a 2025). Possui mais de 200 trabalhos publicados entre periódicos, congressos e capítulos de livros nacionais e internacionais. Já orientou e coorientou 27 teses de doutorado e 38 dissertações de mestrado. Tem experiência na área de Engenharia Elétrica e Engenharia de Computação, com ênfase em Otimização, Inteligência Artificial, Aprendizado de Máquina, Algoritmos Genéticos, Séries Temporais. Senior Member da IEEE Computational Intelligence Society (CIS), IEEE Systems Council e IEEE Systems, Man, and Cybernetics Society (SMCS).

Contato fredericoguimaraes@ufmg.br

Marcelo Azevedo Costa

Professor Titular no Departamento de Engenharia de Produção da UFMG e membro do Programa de Pós-graduação em Engenharia de Produção (linha Modelagem Estocástica e Simulação) da mesma instituição. Possui graduação em Engenharia Elétrica pela Universidade Federal de Minas Gerais (1999), doutorado em Engenharia Elétrica pela Universidade Federal de Minas Gerais (2002) na área de Inteligência Computacional, pós-doutorado pela Harvard Medical School Harvard Pilgrim Health Care (2007) na área de Estatística Espacial e Vigilância Epidemiológica e pós-doutorado pela Linköping University (2018/Suécia) na área de Análise Estatística, Diagnóstico e Detecção de Faltas em Ambientes Industriais. Atualmente é o coordenador do Centro Institucional de Tecnologia e Inovação Modelagem Ambiental (CT-Modelagem) e do Centro de Sensoriamento Remoto (CSR), ambos vinculados à UFMG. É membro da coordenação técnica da Linha VI: Conectividade veicular do programa Mover (Mobilidade Verde e Inovação), uma iniciativa do Governo Federal com o propósito de impulsionar a modernização e a sustentabilidade nas áreas da mobilidade e logística no Brasil. É também pesquisador vinculado ao Future Lab – Laboratório de Transformação Digital do Departamento de Ciência da Computação (DCC/UFMG). Possui publicações em importantes revistas internacionais como Socio-Economic Planning Sciences, IEEE Transactions on Power Delivery, IEEE Transactions on Neural Networks and Learning Systems, Statistical Methods in Medical Research, PLOS One, Scientific Reports, Energy Economics, dentre outras. É autor do livro: Tópicos em Ciência dos Dados – Introdução dos Modelos Paramétricos e suas aplicações utilizando o R. É revisor de periódicos internacionais e nacionais, além de possuir capítulos de livros publicados em língua inglesa. Coordenou e participou em projetos de pesquisa, desenvolvimento e inovação (PDI) vinculados à CEMIG e atua como pesquisador sênior em projetos de PDI. Orienta alunos de graduação, especialização, mestrado e doutorado nos temas: estatística aplicada, modelos estatísticos aplicados ao setor elétrico, análise de redes, estatística espacial, análise de séries temporais, teoria e aplicações de redes neurais artificiais. Segundo revista Decision Analytics (2022) é um dos 15 pesquisadores internacionais mais produtivos na área de incentive regulation, e um dos 35 pesquisadores brasileiros mais influentes na área de Engenharia Industrial, Tecnologia e Manufatura (AD Scientific Index 2024)

Contato macosta@ufmg.br

Antonio Alfredo Ferreira Loureiro

Possui graduação em Ciência da Computação pela Universidade Federal de Minas Gerais (1983), mestrado em Ciência da Computação pela Universidade Federal de Minas Gerais (1987) e doutorado em Ciência da Computação pela University of British Columbia, Canadá (1995). Atualmente é Professor Titular do Departamento de Ciência da Computação da Universidade Federal de Minas Gerais. Tem experiência na área de Ciência da Computação, com ênfase em sistemas distribuídos, atuando principalmente nos seguintes temas: algoritmos distribuídos, computação móvel/ubíqua, comunicação sem fio, gerenciamento de redes, redes de computadores, redes de sensores sem fio.

Contato loureiro@dcc.ufmg.br

Martín Gómez Ravetti

É pesquisador e atualmente professor associado no Departamento de Ciência da Computação da UFMG. Interesses atuais de pesquisa incluem, sistemas complexos, redes complexas, otimização de processos industriais e cultura organizacional. Possui graduação em Engenharia Industrial pela Universidad Nacional de Rosario (Argentina) e mestrado e doutorado em Ciência da Computação pela Universidade Federal de Minas Gerais (UFMG) com período na University of Florida (USA). Durante o periodo 2007-2010 foi research academic na University of Newcastle (Australia) e realizou estudos pós-doutorais na Universitat de Barcelona e na Universitat Pompeu Fabra (Espanha). Foi diretor da Fundação de Desenvolvimento da Pesquisa da UFMG (2018-2022). Publicou 40 artigos em periódicos internacionais, orientou 6 alunos de doutorado e 10 de mestrado, atualmente é bolsista de produtividade no CNPq 1B.

Contato martin@dcc.ufmg.br

WordPress Appliance - Powered by TurnKey Linux