照着做，把机器学习模型稳稳送上线
这是一个关于机器学习运维（MLOps）最佳实践的实用指南，旨在帮助数据科学家和工程师构建端到端的机器学习流水线，并将模型成功部署到生产环境。项目以Jupyter Notebook形式呈现，内容涵盖从数据准备、模型训练、评估到部署监控的完整流程。它解决了ML项目在实验阶段与生产环境之间的鸿沟问题，提供了可复用的代码模板和架构模式，强调自动化、可重复性和可观测性。核心能力包括：流水线各阶段的代码示例、模型部署策略（如API服务）、性能监控与漂移检测的实践方法，以及CI/CD在ML中的应用。项目处于早期阶段，但内容结构清晰，适合作为团队内部MLOps落地的参考手册。
Made With ML、MLOps Basics、Awesome MLOps
mlops-best-practices 是基础设施领域的开源项目，由 kmeanskaran 开发，2023 年首次发布。
它收录于基础设施分类，该分类目前共有 1,132 个项目，GitHub 星标数为 90。
项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-08-11。MIT许可证，完全免费，无付费版本。
它主要面向的使用场景是：团队首次将ML模型部署到生产环境时参考。同类可对比的替代方案包括 Made With ML、MLOps Basics、Awesome MLOps。
上一篇：kamonohashi
下一篇：bodywork-core
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···
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
soperator
开源
用 Kubernetes 原生方式运行 Slurm，简化 HPC 集群管理。
Run Slurm in Kubernetes
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···
