testing-ml

学会给 ML 系统写测试,让模型上线更稳

开源 🏷️完全免费 🔧 仅开源项目,无在线服务,需自行部署 基础设施 🍴 复刻 13 👀 关注 1
GitHub ↗
GitHub 星标 ★ 95
维护状态 低维护
是否开源 开源
定价模式 🏷️完全免费 开源项目,免费使用,无付费版本。

项目预览

testing-ml 项目界面预览图
图片来源:GitHub 官方仓库名片

项目数据

分类基础设施
开发团队GokuMohandas
定价模式🏷️完全免费
价格说明开源项目,免费使用,无付费版本。
访问状态🔧 仅开源项目,无在线服务,需自行部署
是否开源是
主要语言Jupyter Notebook
技术栈/模型great-expectations,machine-learning,mlops,pytest,testing
GitHub 星标★ 95
上线时间2022-08-01 00:00:00
代码更新2022-09-12
仓库体积29 KB
本站数据更新2026-11-09
维护状态低维护
收录时间2026-08-09
浏览次数10

项目介绍

testing-ml 是一个面向机器学习工程师的实践指南,旨在通过测试代码、数据和模型来构建可靠的 ML 系统。项目以 Jupyter Notebook 形式呈现,内容覆盖单元测试、数据验证、模型评估等关键环节,帮助开发者将软件工程中的测试理念引入 ML 工作流。它解决的核心问题是 ML 系统因数据漂移、模型退化或代码缺陷导致的不可靠性,通过可复现的示例和代码片段,教会用户如何为数据管道、特征工程和模型推理编写测试,从而在开发早期发现并修复问题。项目处于早期阶段,星标数不高,但内容结构清晰,适合作为团队内部培训或个人自学的入门材料。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化,观测越久曲线越完整

数据来源:GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 95

核心亮点

  • 以 Jupyter Notebook 形式提供可交互的测试示例,上手门槛低
  • 覆盖代码、数据、模型三层测试,体系完整
  • 强调可复现性,每个示例都有明确代码和输出

不足之处

  • 项目处于早期,内容覆盖度有限,可能缺少高级测试技巧
  • 文档/社区待观察

适用场景

  • ML 团队内部培训,提升代码质量意识
  • 个人学习如何为数据管道和模型添加测试
  • 作为 CI/CD 中 ML 测试环节的参考模板

替代项目

great-expectations、deeplake、evidently

同类项目推荐

mianstack 开源

按公司和岗位刷真实面经题库,一栈备齐面试考点

面栈 MianStack|程序员面试题库天花板!Java、Python、数据库、算法、大模型、AI Agent、···

★ 137 2026-11-08
gpt-codex 开源

中文 Codex 教程站,从入门到上手一站式学

这是一个关于 OpenAI CodeX 的完整教程网站,专为国内开发者打造。

★ 1266 2026-10-31
LLMs-cookbook 开源

照着例子跑一遍,快速学会调用大模型

Examples and guides for using the LLMs

★ 265 2026-09-16
vertex-ai-samples 开源

照着跑,快速上手 Google Cloud Vertex AI 全流程

Notebooks, code samples, sample apps, and other resources that demonstrate how to us···

★ 795 2026-08-09
ICLR2026-Guide-CN 开源

快速掌握ICLR 2026论文精华,省时省力选方向

不想啃 5000+ 全文?我已经替你和 LLM 啃完了 — ICLR 2026 全景中文导读

★ 183 2026-08-09
articles-code 开源

跟着代码学ML,直接上手生产级实践

Decoding ML articles hub: Hands-on articles with code on production-grade ML

★ 143 2026-08-09