یادگیری فدرال (Federated Learning) که به آن یادگیری مشارکتی (Collaborative Learning) نیز گفته می‌شود، یک تکنیک یادگیری ماشین است که در آن آموزش یک مدل یادگیری، بر روی چندین دستگاه لبه یا سرورهای غیر مرکزی با استفاده از داده‌های محلی و بدون نیاز به تبادل آن‌ها صورت می‌گیرد. برخلاف روش‌های یادگیری معمول که در آن‌ها داده‌های آموزشی به صورت مرکزی در یک سرور جمع آوری شده و آموزش مدل بر روی آن‌ها صورت می‌گیرد، در روش یادگیری فدرال، داده‌ها به صورت محلی در هر یک از شرکت‌کننده‌ها بدون نیاز به اشتراک‌گذاری نگهداری می‌شود؛ هر شرکت‌کننده می‌تواند فرآیند یادگیری را به صورت محلی بر روی داده‌های خود انجام دهد. این رویکرد علاوه بر جلوگیری از تحمیل هزینه مازاد انتقال داده ها در شبکه، سبب حفظ امنیت و حریم خصوصی داده‌ها نیز می‌شود.
