youngfish42/Awesome-FL

이것은 무엇인가

연합 학습에 대한 리소스의 선별되고 수동으로 유지 관리되는 목록입니다. 연합 학습은 원시 데이터를 중앙 위치로 이동하지 않고 여러 장치나 서버에서 모델을 훈련하는 머신러닝 기술입니다. 이 프로젝트는 이 분야와 관련된 논문, 소프트웨어 프레임워크, 데이터셋, 서베이, 튜토리얼, 학술 이벤트를 수집합니다.

내용

• 논문 — 목록의 대부분입니다. 발표된 학회(예: NeurIPS, ICML, CVPR, ACL, KDD) 및 연구 분야(AI, 머신러닝, 데이터 마이닝, 보안, 컴퓨터 비전, NLP, 정보 검색, 데이터베이스, 네트워킹, 시스템 등)별로 그룹화됩니다. 각 학회에는 최근 몇 년(대략 2020~2025년)의 채택된 논문 목록에 대한 링크가 있습니다.
• 특별 논문 주제 — 그래프 데이터/그래프 신경망 및 표 형식 데이터(예: XGBoost와 같은 트리 기반 모델)에 적용된 연합 학습을 위한 전용 섹션.
• 프레임워크 — 연합 학습 시스템을 구축하기 위한 소프트웨어 도구.
• 데이터셋 — 연합 학습 연구에 사용되는 데이터 컬렉션.
• 서베이 — 개요 논문.
• 튜토리얼 및 강좌 — 학습 자료.
• 이벤트 — 연합 학습에 초점을 맞춘 워크숍, 저널 특집호, 컨퍼런스 특별 트랙.

구성 방식

README는 링크가 있는 목차입니다. 전체 콘텐츠는 별도의 홈페이지(youngfish42.github.io/Awesome-FL)에 있습니다. README에는 페이지가 모든 것을 표시하지 않으면 해당 사이트를 방문해야 한다고 명시되어 있습니다.

유지 관리 상태(중요)

2024년 9월 30일 기준으로 주요 저자는 박사 학위를 마치고 연구 초점을 전환했습니다. 결과:

• 논문 목록은 정기적으로가 아니라 월간 또는 분기별로 업데이트됩니다.
• 업데이트는 더 얕아집니다 — 저자 소속 및 오픈 소스 코드 링크와 같은 세부 사항은 더 이상 적극적으로 유지되지 않습니다.
• 저자는 목록을 최신 상태로 유지하는 데 도움을 줄 다른 기여자를 환영합니다.

기여 방법

GitHub 이슈를 열거나, 풀 리퀘스트를 제출하거나, 저자(im.young@foxmail.com)에게 이메일을 보내 새 리소스를 제안하세요. 연합 학습에 대해 논의할 수 있는 QQ 그룹(번호 833638275)도 있습니다.

관련 프로젝트

보조 도구인 FL-paper-update-tracker는 새로운 연합 학습 논문을 자동으로 추적합니다. 메인 목록의 업데이트 빈도가 낮아졌기 때문에 유용합니다.

라이선스

MIT(README의 배지에 따름).