Mercado global de soluciones de aprendizaje federado por aplicación (automatización de redes, virtualización y nube, transformación de centros de datos, seguridad de redes, otras aplicaciones), por industria vertical (BFSI, salud y ciencias biológicas, venta minorista y comercio electrónico, fabricación, energía y servicios públicos), Por región y empresas clave: perspectiva del segmento de la industria, evaluación del mercado, escenario de competencia, tendencias y pronóstico 2021–2031
- Fecha de Publicación: septiembre 2021
- Identificación del informe: 73122
- Número de páginas: 277
- Formato:
- keyboard_arrow_up
Introducción –
El aprendizaje federado (FL) es una técnica de aprendizaje automático que permite entrenar un algoritmo en una gran cantidad de servidores y dispositivos periféricos descentralizados que almacenan datos locales sin necesidad de intercambiar datos. Por ejemplo, Google acaba de lanzar su herramienta de aprendizaje federado, que es la primera de su tipo y capaz de proporcionar una variedad de aplicaciones, como sugerencias de contexto, clasificación de elementos en el equipo y predicción de la siguiente palabra.
En las industrias farmacéutica y de salud, las empresas pueden mejorar sus modelos comerciales y hacer un uso efectivo de la IA para aumentar la rentabilidad. Además, los sistemas de aprendizaje federados tienen la capacidad de brindar nuevas capacidades predictivas a los equipos inteligentes, lo que permite a los consumidores tener una experiencia consistente mientras protegen su información personal.
FL ofrece varios beneficios, así como desafíos. Beneficios tales como que permite que dispositivos como los teléfonos inteligentes aprendan un modelo de predicción compartido de forma cooperativa mientras mantienen los datos de entrenamiento en un dispositivo en lugar de cargarlos y almacenarlos en un servidor central.
La capacitación de modelos se traslada al borde, que incluye dispositivos como teléfonos inteligentes, tabletas, IoT y organizaciones similares a hospitales que se supone que funcionan bajo estrictas normas de privacidad. Una importante ventaja de seguridad es mantener los datos personales locales.
Aparte de esto, FL también tiene ciertos desafíos, como en las redes de FL, la comunicación es un cuello de botella clave ya que los datos generados en cada dispositivo siguen siendo locales. Para entrenar un modelo utilizando datos suministrados por dispositivos de red, se deben desarrollar métodos de comunicación eficientes que limiten el número total de rondas de comunicación, mientras se envían iterativamente pequeños modelos a la red.
Segmentación detallada –
El mercado global de Soluciones de aprendizaje federado está segmentado según la aplicación, la industria vertical y la región. A continuación se representa una descripción segmentada detallada:
De acuerdo con la aplicación:
- Automatización de red
- Virtualización y Nube
- Transformación del centro de datos
- Red de Seguridad
- Otras aplicaciones
Basado en Industria Vertical:
- BFSI
- Salud y ciencias biológicas
- Comercio minorista y comercio electrónico
- Elaboración
- Energía y servicios Públicos
Basado en la región
- Norteamérica
- Europa
- Asia-Pacífico
- América del Sur
- Oriente Medio y África
Dinámica del mercado –
Las grandes corporaciones están investigando más las soluciones FL, que son cruciales en el soporte de aplicaciones sensibles a la privacidad, donde los datos de entrenamiento se distribuyen en el perímetro. Al compartir los cambios del modelo, FL ayuda a proteger los datos de los consumidores. La privacidad y la seguridad de los datos son cada vez más importantes para las empresas, donde las estrategias de FL han demostrado ser efectivas. Los silos de datos y un enfoque en la privacidad de los datos son ahora las principales preocupaciones de la IA, pero FL podría ser una solución potencial.
Puede proporcionar un paradigma unificado para varias empresas al tiempo que protege los datos locales y confidenciales, lo que les permite beneficiarse mutuamente sin tener que preocuparse por la privacidad de los datos. En la forma en que la tecnología aborda el aprendizaje, FL ha atraído mucha atención. Cuando se trata de FL, hay dos tipos de privacidad: global y local.
Los cambios de modelo creados en cada ronda deben mantenerse privados de todos los terceros que no sean de confianza, excepto el servidor central, para mantener la privacidad global. La privacidad local, por otro lado, requiere que las actualizaciones también sean privadas para el servidor. Se espera que factores como estos desempeñen un papel fundamental para influir en la trayectoria de ingresos de esta industria global durante la próxima década.
La escasez de personas capacitadas, incluidos los profesionales de TI, es una dificultad fundamental que enfrentan la mayoría de las empresas al adoptar el aprendizaje automático en sus respectivos procesos comerciales. A los empleados les resulta difícil comprender y usar modelos FL para datos de entrenamiento porque es una idea novedosa. Esto se debe a la falta de capacitación de los empleados sobre cómo utilizar las soluciones FL. Ciertas industrias necesitan desarrollar conjuntos de habilidades y títulos de trabajo más específicos, es decir, ingenieros que puedan manejar y comprender la nueva arquitectura FL necesaria para implementar y mantener modelos de aprendizaje automático.
Panorama competitivo –
Jugadores claves. Jugadores principales -
- Cloudera Inc.
- Consiliente
- Flotas de datos
- Aprendizaje automático descentralizado
- Delta del borde
- envolver
- Visión extrema
- IBM
- intelectuales
- bit de vida
- Microsoft
- NVIDIA
- owkin
- Laboratorios seguros de IA
- sherpa.ai
- WeBank
Desarrollos clave –
2021:
- NVIDIA presentó NVIDIA AI Enterprise en marzo de 2021, un paquete de software completo de herramientas y marcos de trabajo de IA de nivel empresarial que se ejecutan en VMware vSphere y NVIDIA optimiza, certifica y mantiene. Los clientes pueden reducir el tiempo de desarrollo del modelo de IA de 80 semanas a solo ocho semanas con AI Enterprise de NVIDIA, y pueden implementar y administrar aplicaciones de IA avanzadas en VMware vSphere.
- ZeroReveal 3.0 fue lanzado por Enveil en febrero de 2021. Proporciona capacidades basadas en cifrado homomórfico a través de un marco descentralizado y eficiente que reduce el riesgo y aborda preocupaciones comerciales como el intercambio de datos, la colaboración, la monetización y el cumplimiento normativo. Las actualizaciones de la versión 3.0 mejoran la integración y el rendimiento de la solución.
2020:
- NVIDIA Clara Train 3.1 se lanzará en noviembre de 2020 con una estructura de autorización configurable que mejora la seguridad y garantiza que los datos confidenciales permanezcan seguros. También contiene una nueva herramienta administrativa que aumenta la productividad de los investigadores al permitir un aumento de 10 veces en la experimentación de algoritmos. Las nuevas capacidades en Clara Train 3.1 ayudan a los desarrolladores de atención médica a escalar FL de manera segura y aumentar el rendimiento de la investigación.
Para el estudio de investigación de mercado Soluciones de aprendizaje federado, se han considerado los siguientes años para estimar el tamaño del mercado:
Atributo Detalles del informe Años historicos
2016 - 2020
Año base
2021
Año estimado
2022
Año de proyección a corto plazo
2028
Año Proyectado
2023
Año de proyección a largo plazo
2032
Informe de cobertura
Panorama competitivo, análisis de ingresos, análisis de participación de la empresa, análisis de fabricantes, volumen por fabricantes, segmentos clave, análisis de empresas clave, tendencias del mercado, canal de distribución, dinámica del mercado, análisis de impacto de COVID-19, estrategia para que los jugadores existentes obtengan la máxima participación de mercado y más.
Alcance regional
América del Norte, Europa, Asia-Pacífico, América del Sur, Medio Oriente y África
Alcance del país
Estados Unidos, Canadá y México, Alemania, Francia, Reino Unido, Rusia e Italia, China, Japón, Corea, India y Sudeste Asiático, Brasil, Argentina, Colombia, etc. Arabia Saudita, Emiratos Árabes Unidos, Egipto, Nigeria y Sudáfrica
Mercado de soluciones de aprendizaje federadoFecha de publicación: septiembre de 2021add_shopping_cartCOMPRAR AHORA get_appDescargar muestra - Cloudera Inc.
- Consiliente
- Flotas de datos
- Aprendizaje automático descentralizado
- Delta del borde
- envolver
- Visión extrema
- Perfil de empresa de International Business Machines Corporation
- intelectuales
- bit de vida
- Perfil de empresa de Microsoft Corporation
- NVIDIA
- owkin
- Laboratorios seguros de IA
- sherpa.ai
- WeBank
- ajustesAjustes
Nuestros clientes
Usuario unico
$5,999
$2,999
USD / por unidad
Ahorra un 50% |
Multi usuario
$7,999
$3,499
USD / por unidad
Ahorra un 55% |
Usuario Corporativo
$12,999
$4,499
USD / por unidad
Ahorra un 65% | |
---|---|---|---|
e-acceso | |||
Acceso a la biblioteca de informes | |||
Conjunto de datos (Excel) | |||
Imprimir | |||
Acceso a la biblioteca de perfiles de empresa | |||
Tablero interactivo | |||
Personalización gratuita | No | hasta 10 horas de trabajo | hasta 30 horas de trabajo |
Accesibilidad | 1 usuario | 2-5 Usuario | Ilimitada |
Soporte de analistas | hasta 20 horas | hasta 40 horas | hasta 50 horas |
Beneficio | Hasta un 20% de descuento en la próxima compra | Hasta un 25% de descuento en la próxima compra | Hasta un 30% de descuento en la próxima compra |
Compre ahora ($ 2,999) | Compre ahora ($ 3,499) | Compre ahora ($ 4,499) |