El aprendizaje federado (Federated Learning, FL) surge de la necesidad de creación de modelos predictivos conjuntos entre distintas organizaciones o partes interesadas, bajo la premisa de que los datos locales de cada una de ellas deben permanecer privados y no compartirse, por ejemplo, con un servidor central que gestione el modelo. A día de hoy, existe un amplio trabajo en el estado del arte en modelos de FL principalmente utilizando redes neuronales y modelos de deep learning, que permiten compartir únicamente información de pesos de la red, sin comprometer la privacidad de los datos. Sin embargo, existen aún retos en la aplicación de otros modelos (como árboles de decisión, modelos basados en ensembles, etc.) dentro del paradigma de FL. Este seminario pretende servir de introducción a qué es el aprendizaje federado y las condiciones que deben cumplirse, algunos de los enfoques existentes en el estado del arte para abordar el problema y aplicaciones reales, y por último, los retos y trabajo por hacer para aplicar este paradigma utilizando otros modelos fuera de las redes neuronales.