#federated-learning Dépôts
Découvrez 39 dépôts GitHub open source actifs associés à #federated-learning, cumulant 94,789 étoiles au total (soit une moyenne de 2,430 étoiles par projet). Le projet en tête de ce thème est visenger/awesome-mlops, avec 13,509 étoiles.
39 dépôts au total
Effectuer de la data science sur des données qui restent sur le serveur de quelqu'un d'autre
Un écosystème et un espace de travail unifiés pour l’apprentissage fédéré à grande échelle des grands modèles et des LLM. Stockez de la puissance de calcul comme du Wi-Fi
Le système nerveux central et l’orchestrateur backend de Fractal. Il gère la planification des tâches multi-tenant, le budget des TFLOPs en temps réel et l’agrégation fédérée des poids avec FedAvg.
Un nœud Android centré sur l’humain et économe en ressources, destiné à l’informatique en périphérie et à l’apprentissage fédéré. Il orchestre l’intelligence distribuée grâce à une localisation privilégiant la confidentialité et à une gestion attentionnée du matériel.
FEDML – La bibliothèque ML unifiée et évolutive pour l'entraînement distribué à grande échelle, la mise à disposition de modèles et l'apprentissage fédéré. FEDML Launch, un planificateur inter-cloud, permet en outre d'exécuter n'importe quel travail d'IA sur n'importe quel cloud GPU ou cluster sur site. Basée sur cette bibliothèque, TensorOpera AI (https://TensorOpera.ai) est votre plateforme d'IA générative à grande échelle.
Un cadre unifié pour l'analyse de données et l'apprentissage automatique préservant la vie privée
Un framework open-source pour l'apprentissage automatique et d'autres calculs sur des données décentralisées.
Tout sur l'apprentissage fédéré, y compris les articles de recherche, les livres, les codes, les didacticiels, les vidéos et au-delà
Informations académiques complètes et opportunes sur l'apprentissage fédéré (articles, frameworks, ensembles de données, tutoriels, ateliers)
Implémentation de l'Apprentissage Efficace en Communication des Réseaux Profonds à partir de Données Décentralisées
Privacy-Preserving Computing Platform est une plateforme de calcul respectueuse de la vie privée open-source, créée par une équipe d'experts en cryptographie, prenant en charge le calcul multipartite sécurisé, l'apprentissage fédéré, les jointures privées et les requêtes anonymes, etc.
[pip install medmnist] 18 jeux de données standardisés pour la classification d'images biomédicales 2D et 3D
Une infrastructure ouverte pour démocratiser et décentraliser le développement de la superintelligence pour l'humanité.
Un framework flexible d'apprentissage fédéré basé sur PyTorch, simplifiant votre recherche en apprentissage fédéré.
Fusion de Modèles dans les LLMs, MLLMs et au-delà : Méthodes, Théories, Applications et Opportunités. ACM Computing Surveys, 2026.
Une collection de projets de recherche Google liés à l'apprentissage fédéré et aux analyses fédérées.
Tous les matériaux dont vous avez besoin pour Federated Learning : blogs, vidéos, articles et logiciels, etc.
OpenHuFu est un système open-source de fédération de données pour prendre en charge les requêtes collaboratives sur plusieurs bases de données avec une garantie de sécurité.
Cycle de vie complet d'un projet de science des données
Benchmark d'apprentissage fédéré - Apprentissage fédéré sur des silos de données Non-IID : une étude expérimentale (ICDE 2022)
ressources sur l'apprentissage fédéré et la confidentialité en apprentissage automatique
Une bibliothèque pour l'apprentissage fédéré (un processus d'apprentissage automatique distribué) dans un environnement d'entreprise.
Foire aux questions
Quel est le dépôt #federated-learning le plus populaire sur GitHub ?
Le projet #federated-learning open source le mieux classé sur GitHub est visenger/awesome-mlops, avec 13,509 étoiles. Une liste organisée de références pour MLOps
Quels langages de programmation sont les plus utilisés dans les dépôts #federated-learning ?
Parmi les projets #federated-learning les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, Jupyter Notebook, Kotlin, C++.
Comment le classement des dépôts #federated-learning est-il calculé ?
Nous suivons 39 dépôts open source actifs associés à #federated-learning (500+ étoiles), totalisant 94,789 étoiles, avec une moyenne de 2,430 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.