0. 참고자료

 해당 게시글은 제가 Federated Learning을 공부할 때에 많이 참고하는 자료들을 정리한 것입니다. 타 분야에 비해 상당히 늦게 출발한 만큼, FL과 관련된 잘 다듬어진 교재 혹은 대학교 커리큘럼 등이 존재하지 않는 상황입니다. 따라서 논문에 절대적으로 의존하고 있는 것이 현실이며, 이는 처음 해당 분야를 공부하고자 하는 분들에게 어려움을 안겨주는 부분입니다. 아래 자료들이 조금이나마 도움이 되길 바라며, 저 역시도 앞으로 다양한 글들을 포스팅하여 여러분에게 크고 작은 도움을 드릴 수 있으면 좋겠습니다. (Last Update: 20220702)

 

1. Survey Paper

- Advances and Open Problems in Federated Learning (https://arxiv.org/abs/1912.04977)

 작성일자 기준으로, FL과 관련된 survey paper 중 가장 유명한 자료입니다. 총 121쪽으로, 분량이 작은 책자 수준입니다. 어느 정도 인지도 있는 세부 분야는 전반적으로 다루고 있기 때문에, 관련 분야를 공부하고자 하는 분들은 한 번쯤 읽어보시기를 권장드립니다. 다만, 나온 지 조금 된 자료여서, 이후에 진행된 연구에 관해서는 직접 확인해보셔야 합니다. 후속 paper가 나온 것으로 알고 있는데, 제가 아직 안 읽어봐서 어떤 내용이 담겨 있는지는 잘 모르겠습니다. (https://arxiv.org/abs/2107.06917) 확인하는 대로 말씀드리겠습니다.

 

- Federated Learning: Challenges, Methods, and Future Directions (https://arxiv.org/abs/1908.07873)

 위 paper보다는 다소 가벼운 느낌의 paper입니다. 다른 분야를 연구하시는 분들이 "요즘 연합학습이 계속 언급되고 있는데, 어떤 분야인지 궁금하다"라는 생각을 갖고 계신다면, 해당 paper를 추천드릴 수 있습니다.

 

2. GitHub Repository

- Awesome Federated Learning (https://github.com/FedML-AI/FedML/blob/master/research/Awesome-Federated-Learning.md)

 앞서 언급한 "Advances and Open Problems in Federated Learning" paper가 나온 FedML에서 정리해 놓은 논문 리스트입니다. 왜인지는 모르겠지만 2021년 여름 이후로 정상적인 업데이트가 이루어지지 않고 있습니다.

 

- Awesome Federated Machine Learning (https://github.com/innovation-cat/Awesome-Federated-Machine-Learning)

 또 다른 논문 리스트입니다. 이쪽은 개인이 관리 중인 것 같은데, FL 외에도 Privacy Preserving Machine Learning 전반에 관심이 있으신 듯합니다.

 

3. Seminar

- Federated Learning One World Seminar (FLOW) (https://sites.google.com/view/one-world-seminar-series-flow)

 매주 수요일(UTC 기준)에 FL 관련 분야 논문 저자가 직접 본인의 논문에 관한 설명을 진행합니다. 일정 기간이 지나면 녹화본이 YouTube에 업로드되며, 세미나에 사용된 slide 역시 제공됩니다. 저의 경우에는 관심 분야 논문만 우선적으로 확인하고 있고, 시간이 되면 인접 분야 논문도 확인할 계획입니다. 영어 듣기에 거부감이 없으신 분들이라면 추천드립니다.

 

 

 

 혹시 이외에도 잘 정리된 FL 관련 자료가 있다면, 댓글을 통해 알려주시면 감사하겠습니다.