hands-on-train-and-deploy-ml

10步搞定ML模型训练到API部署,以加密货币预测为例

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 134 🐛 待处理 6 👀 关注 7
访问官网 ↗ GitHub ↗
GitHub 星标 ★ 891
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,MIT许可证,免费使用,需自行部署。

项目预览

hands-on-train-and-deploy-ml 项目界面预览图
图片来源:项目官网

项目数据

分类基础设施
开发团队Paulescu
定价模式🏷️完全免费
价格说明开源项目,MIT许可证,免费使用,需自行部署。
访问状态🔧 仅开源项目,无在线服务,需自行部署
是否开源是
开源协议MIT
主要语言Python
技术栈/模型crypto,deployment,ml,mlops
GitHub 星标★ 891
上线时间2023-05-16 00:00:00
代码更新2024-05-29
仓库体积18.8 MB
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9

项目介绍

这是一个端到端的机器学习项目实战教程,旨在帮助开发者用10个步骤完成从模型训练到部署的完整流程。项目以加密货币价格预测为示例,展示了如何构建一个ML REST API,并最终部署上线。它解决了初学者在ML工程化中常见的痛点:如何将训练好的模型封装成可用的API服务。核心能力包括数据获取与预处理、特征工程、模型训练与评估、模型序列化、REST API搭建(使用Flask或FastAPI)以及部署配置。项目代码结构清晰,步骤分明,适合作为学习MLOps的入门实践。

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 ★ 891

技术标签

使用教程

ℹ 本教程由 AI 依据该项目 README 整理,个别步骤可能需要按你的环境微调。

难度:进阶 约 40 分钟 部署方式:本地 GPU 4 步

环境要求

  • Python 3.10+
  • 云平台账号(部署时)

安装与启动步骤

  1. 1初始化

    make init 建环境并装依赖,再导入环境变量。

    make init
    . ./set_environment_variables.sh
  2. 2拉数据

    make data 下载行情并做特征工程,产物落到本地目录。

    make data
  3. 3训练

    make train 跑模型训练,注意时间序列切分不能泄漏未来数据。

    make train
  4. 4部署与验证

    make deploy 推到云端,make test-endpoint 打一次请求确认可用。

如何确认成功

训练出模型并能通过端点返回预测。

注意事项

  • 加密价格预测极难做准,项目价值在工程链路而非收益。

核心亮点

  • 步骤清晰,从数据到部署全流程覆盖,适合新手快速上手
  • 以加密货币价格预测为实例,场景具体且有趣味性
  • 代码完整可运行,包含模型保存和API封装实现

不足之处

  • 项目示例较简单,未涉及模型调优和性能优化
  • 文档/社区待观察,可能缺少详细解释和扩展支持

适用场景

  • 学习ML工程化流程,快速搭建第一个预测API
  • 作为课程作业或内部培训的实战案例
  • 为加密货币价格预测提供基础原型

替代项目

mlflow、fastapi-ml-skeleton、cookiecutter-data-science

上一篇:modelkit

下一篇:MLOps_Workshop

同类项目推荐

lora-speedrun 开源

固定任务硬件,比谁把 LoRA 微调跑得最快

Speedrunning LoRA fine-tuning: frozen task, frozen hardware, public wall-clock leade···

★ 151 2026-09-29
whichllm 开源

一条命令,找出你电脑上跑得最快的本地大模型

Find the local LLM that actually runs and performs best on your hardware. Ranked by ···

★ 6832 2026-08-09
alignment-handbook 开源

一键复现主流 LLM 对齐实验,从 SFT 到 DPO 全流程开箱即用。

Robust recipes to align language models with human and AI preferences

★ 5711 2026-08-09
POInfra 开源

让扩散/流模型像策略一样在线微调与规划

Policy Optimization for Generative Models: diffusion and flow policies, online fine-···

★ 100 2026-10-14
DiffuseKronA 开源

用更少参数微调扩散模型,生成更精准的个性化图像

DiffuseKronA: A Parameter Efficient Fine-tuning Method for Personalized Diffusion Mo···

★ 131 2026-08-09
OmniQuant 开源

把大模型压到4比特,速度更快内存更省,精度还不掉链子。

[ICLR2024 spotlight] OmniQuant is a simple and powerful quantization technique for L···

★ 968 2026-08-09
MirrorFlow 开源

对话喂出来的数字分身,越聊越像你自己。

从对话数据到训练:数字分身 + 模型蒸馏 From Dialogue Data to Training Closed-Loop: D···

★ 73 2026-08-09
FedKTL 开源

用服务端预训练生成器,让异构联邦学习上传更少、效果更好。

CVPR 2024 accepted paper, An Upload-Efficient Scheme for Transferring Knowledge From···

★ 69 2026-08-09