#federated-learning Репозитории
Откройте для себя 39 активных репозиториев с открытым исходным кодом на GitHub, отмеченных тегом #federated-learning, с общим числом 94,789 звёзд (в среднем 2,430 на проект). Лидером этой темы является visenger/awesome-mlops, набравший 13,509 звёзд.
Всего репозиториев: 39
Единая экосистема и рабочее пространство для крупномасштабного федеративного обучения больших моделей и LLM. Храните вычислительные ресурсы как Wi-Fi
Центральная нервная система и бэкенд-оркестратор Fractal. Она отвечает за планирование задач для нескольких арендаторов, управление бюджетом TFLOPs в реальном времени и федеративную агрегацию весов с помощью FedAvg.
Ориентированный на человека и учитывающий ресурсы узел Android для периферийных вычислений и федеративного обучения. Координирует распределённый интеллект, обеспечивая локализацию с приоритетом конфиденциальности и бережное управление аппаратными ресурсами.
FEDML – Единая и масштабируемая ML-библиотека для крупномасштабного распределенного обучения, обслуживания моделей и федеративного обучения. FEDML Launch, кросс-облачный планировщик, позволяет запускать любые ИИ-задания в любом облаке GPU или локальном кластере. TensorOpera AI (https://TensorOpera.ai), построенная на основе этой библиотеки, — это ваша платформа генеративного ИИ в больших масштабах.
Единая основа для анализа данных и машинного обучения с сохранением конфиденциальности
Открытая платформа для машинного обучения и других вычислений на децентрализованных данных.
Все о федеративном обучении, включая исследовательские работы, книги, коды, учебные пособия, видео и многое другое
Комплексная и своевременная академическая информация по федеративному обучению (статьи, фреймворки, наборы данных, учебные пособия, семинары)
Реализация обучения глубоких сетей с эффективной коммуникацией на основе децентрализованных данных
Privacy-Preserving Computing Platform — это платформа для вычислений с сохранением конфиденциальности с открытым исходным кодом, созданная командой экспертов по криптографии, поддерживающая многосторонние безопасные вычисления, федеративное обучение, конфиденциальные промежуточные соединения и анонимные запросы и т. д.
[pip install medmnist] 18 стандартизированных наборов данных для 2D и 3D классификации биомедицинских изображений
Открытая инфраструктура для демократизации и децентрализации разработки сверхразума для человечества.
Гибкая структура Federated Learning на основе PyTorch, упрощающая ваши исследования в области Federated Learning.
Слияние моделей в LLMs, MLLMs и далее: методы, теории, приложения и возможности. ACM Computing Surveys, 2026.
Сборник исследовательских проектов Google, связанных с федеративным обучением и федеративной аналитикой.
Все материалы, необходимые для Federated Learning: блоги, видео, статьи и программное обеспечение и т. д.
OpenHuFu — это система федерации данных с открытым исходным кодом для поддержки совместных запросов к нескольким базам данных с гарантией безопасности.
Полный жизненный цикл проекта по науке о данных
Benchmarkfederated Learning — Federated Learning на не-IID Data Silos: экспериментальное исследование (ICDE 2022)
ресурсы о федеративном обучении и конфиденциальности в машинном обучении
Библиотека для федеративного обучения (распределенного процесса машинного обучения) в корпоративной среде.
Первый открытый фреймворк для федеративного обучения, реализованный на C++ и Python.
Часто задаваемые вопросы
Какой репозиторий по теме #federated-learning наиболее популярен на GitHub?
Самый высоко оценённый проект с открытым исходным кодом по теме #federated-learning на GitHub — visenger/awesome-mlops, набравший 13,509 звёзд. Курируемый список ресурсов по MLOps
Какие языки программирования чаще всего используются в репозиториях по теме #federated-learning?
Среди наиболее высоко оценённых проектов по теме #federated-learning на GitHub чаще всего используются языки программирования Python, Jupyter Notebook, Kotlin, C++.
Как рассчитывается рейтинг репозиториев по теме #federated-learning?
Мы отслеживаем 39 активных репозиториев с открытым исходным кодом, отмеченных тегом #federated-learning (500 и более звёзд), с общим числом 94,789 звёзд и в среднем 2,430 звёзд на репозиторий. Рейтинги обновляются ежедневно на основе данных GitHub API.