Sfederowane uczenie się – Podejście do uczenia maszynowego, w którym model jest szkolony na danych tam, gdzie dane istnieją (w wielu lokalizacjach), zamiast tradycyjnego podejścia polegającego na przenoszeniu danych do centralnej lokalizacji w celu uczenia modelu. To zdecentralizowane podejście zmniejsza potrzebę przesyłania danych pomiędzy różnymi podmiotami i może zmniejszyć powiązane z tym koszty ogólne związane z zarządzaniem informacjami i bezpieczeństwem.