azure-enterprise-scale-ml

在Azure上快速搭建合规的企业级AI平台,省心又安全

azure-enterprise-scale-ml(简称esml)是微软开源的企业级Azure机器学习平台参考架构与落地工具集。它解决企业在Azure上规模化落地AI/ML时面临的治理、安全、网络、成本与多团队协作难题,提供一套可复制的“AI工厂”模式。核心能力包括:基于Azure Landing Zone的模块化部署蓝图,统一管理网络隔离、身份权限、数据出口控制;内置ML工作区、计算集群、推理端点等资源的标准化配置;支持多环境(开发/测试/生产)的自动化部署流程;以及针对MLOps的CI/CD集成示例。项目以Jupyter Notebook和基础设施即代码(IaC)模板形式交付,帮助平台工程师和数据科学家快速搭建符合企业合规要求的生产级ML环境,减少从概念验证到生产的摩擦。

开源 free 基础设施
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 53
维护状态 活跃
是否开源
定价模式 free

项目数据

分类基础设施
开发团队jostrm
所属国家
官网地址
定价模式free
价格说明开源项目,MIT许可证,免费使用,无在线服务,需自行部署。
访问状态
是否开源
开源协议MIT
主要语言Python
技术栈/模型ai-ready-infrastructure,dataops,enterprise-scale-landingzone,genai,llmops,mlops
GitHub 星标★ 53
30天Star增速
HF 下载量
上线时间2021-04-05 00:00:00
最近更新2026-09-20 00:00:00
维护状态活跃
中文支持
访问方式
移动端支持
综合评分
收录时间2026-08-09
浏览次数5

使用教程

核心亮点

  • 提供模块化、可定制的Azure Landing Zone参考架构,直接对齐企业治理要求
  • 内置网络隔离、RBAC权限、数据出口控制等安全基线,开箱即用
  • 通过IaC模板实现多环境自动化部署,降低重复配置成本

不足之处

  • 项目处于早期(53星),文档和示例可能不完整,社区支持有限
  • 依赖Azure特定服务,迁移到其他云平台成本高

适用场景

  • 大型企业需要在Azure上建立统一规范的AI开发平台
  • 平台团队想快速落地符合合规要求的ML基础设施
  • 从单项目MLOps向多团队、多项目规模化扩展

替代项目

Azure Machine Learning 官方企业级参考架构、MLOps Azure 快速启动模板、Data Landing Zone (Azure)

项目介绍

azure-enterprise-scale-ml 是基础设施领域的开源项目,由 jostrm 开发,2021 年首次发布。

它收录于基础设施分类,该分类目前共有 1,130 个项目,GitHub 星标数为 53。

项目目前处于活跃维护状态,最近一次代码更新于 2026-09-20。MIT许可证,免费使用,无在线服务,需自行部署。

它主要面向的使用场景是:大型企业需要在Azure上建立统一规范的AI开发平台。同类可对比的替代方案包括 Azure Machine Learning 官方企业级参考架构、MLOps Azure 快速启动模板、Data Landing Zone (Azure)。

上一篇:llmops

下一篇:openllmetry-js

同类项目推荐

freebuff-proxy 开源

聚合多账号,一键接入 OpenAI 兼容 API,轻松管理会话。

Multi-account OpenAI-compatible gateway for coding models. Pooled keys, session life···

★ 213 2026-08-20
microduck 开源

用 Rust 造一只会走路的桌面小鸭,快速上手双足机器人。

A Tiny biped duck robot

★ 8684 2026-09-10
soperator 开源

用 Kubernetes 原生方式运行 Slurm,简化 HPC 集群管理。

Run Slurm in Kubernetes

★ 439 2026-08-10
ollama 开源

一条命令本地跑起大模型,免费、私密、不卡顿

Get up and running with Kimi, GLM, MiniMax, DeepSeek, gpt-oss, Qwen, Gemma and other···

★ 181484 2026-08-09