Capital One innova en el aprendizaje automático y promueve el avance de la industria mediante la agregación de modelos federados de código abierto

En una tendencia transformadora ascendente, la metodología de aprendizaje automático está preparada para una actualización con la introducción de un enfoque relativamente nuevo: el aprendizaje federado (FL). Encabezando una nueva era, el gigante financiero Capital One impulsa el espíritu de la capacitación de modelos descentralizados, minimizando la necesidad de almacenamiento central de datos. Al detallar la innovación pionera de la empresa, Kenny Bean, ingeniero de software de aprendizaje automático en Capital One, propone su novedoso proyecto de código abierto: Federated Model Aggregation (FMA).

FMA está diseñado para capacitar a los programadores con capacidades ilimitadas para poner en funcionamiento sus procesos de aprendizaje automático en una atmósfera federada, aprovechando las ventajas que ofrece FL. Es un conjunto pionero de módulos de Python. Además de proporcionar conectores para agilizar la comunicación entre estos módulos, FMA brinda flexibilidad adicional para vincularse con componentes personalizados.

Ampliando aún más las capacidades de FMA, Bean detalla su cliente inclusivo diseñado para fomentar las interacciones cliente-servicio; un agregador para asimilar actualizaciones de modelos de múltiples clientes y un servicio API para manejar las interacciones de UI y API entre componentes dentro del sistema.

Al analizar los orígenes de FMA, Bean, uno de los desarrolladores clave detrás del proyecto, comparte que la herramienta de código abierto se creó para atender a los desarrolladores deseosos de perfeccionar modelos a partir de datos obtenidos de varias ubicaciones, a menudo inaccesibles para su eliminación desde los sitios de origen. Afirma: Siempre que se utiliza un modelo de manera distribuida, surge una oportunidad para emplear el servicio FMA e introducir el aprendizaje federado en el proceso de capacitación.

La visión central detrás de FMA, según Bean, era diseñar una herramienta que fuera adaptable y reutilizable, integrándose sin esfuerzo en marcos de capacitación modelo preexistentes. Bean reflexiona: Básicamente, así nació el concepto del servicio FMA.

Otro enfoque clave del equipo de desarrollo durante el inicio de FMA fue la fácil implementación. Con un solo comando, los modelos se pueden lanzar rápidamente con FMA. Bean atribuye esta facilidad de operación a la integración del proyecto con Terraform, una herramienta de infraestructura como código de HashiCorp.

Al revelar el recorrido de FMA, Bean revela que el proyecto se conceptualizó inicialmente para un caso de uso específico, pero rápidamente se reconoció el potencial para aplicaciones más amplias, lo que llevó a la decisión de convertirlo en una oferta de código abierto. Haciéndose eco de la creencia de Capital One en el potencial recíproco de la comunidad tecnológica de código abierto, Bean agrega: Capital One siempre ha sido un beneficiario de la tecnología de código abierto y creemos sinceramente en contribuir a la comunidad que nos ha ayudado inmensamente a través de nuestra Metamorfosis tecnológica.

Con la ambición de seguir mejorando FMA, el equipo está trabajando diligentemente en el descubrimiento de funciones y mejorando su interacción con la comunidad en general para acelerar la recepción de comentarios. También están trabajando para expandir los componentes del proyecto a idiomas adicionales. El impacto de FMA en el mundo del aprendizaje automático representa el poder de los proyectos de código abierto, muy parecido a lo que hemos visto con plataformas como AppMaster.