MLOps 是基础设施领域的开源项目，由 raminmohammadi 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 302。
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 2026-09-24。采用CC0-1.0许可证，完全免费，无付费版本。
它主要面向的使用场景是：数据科学团队需要统一实验管理和模型版本控制。同类可对比的替代方案包括 MLflow、Kubeflow、Seldon Core。
MLOps
让机器学习模型从实验室平滑走向生产，告别手工部署烦恼。
MLOps 是一个面向机器学习生产环境的开源项目，旨在解决模型从实验到部署之间的工程化鸿沟。它提供了一套完整的工具链和最佳实践，涵盖数据版本管理、模型训练追踪、实验对比、模型注册、部署监控等核心环节。项目以 Jupyter Notebook 为主要载体，强调交互式开发与生产环境的无缝衔接，帮助数据科学家和运维团队统一工作流，减少手工操作和重复劳动。其核心能力包括可复现的实验管理、自动化流水线编排、模型性能监控以及多环境一致性部署，从而提升机器学习项目的交付效率和稳定性。
开源
free
基础设施
GitHub 星标
★ 302
维护状态
低维护
是否开源
是
定价模式
free
项目数据
分类基础设施
开发团队raminmohammadi
所属国家
定价模式free
价格说明开源项目，采用CC0-1.0许可证，完全免费，无付费版本。
访问状态
是否开源是
开源协议CC0-1.0
主要语言Jupyter Notebook
技术栈/模型machine-learning,mlops
GitHub 星标★ 302
30天Star增速
HF 下载量
上线时间2023-09-11 00:00:00
最近更新2026-09-24 00:00:00
维护状态低维护
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6
使用教程
核心亮点
- 以 Jupyter Notebook 为核心，降低数据科学家上手门槛
- 覆盖模型全生命周期，从实验追踪到部署监控一体化
- 强调可复现性，实验配置和结果可完整记录和对比
不足之处
- 项目处于早期阶段，功能完整性和稳定性待验证
- 文档和社区生态尚不成熟，学习资源有限
适用场景
- 数据科学团队需要统一实验管理和模型版本控制
- 企业希望将机器学习模型标准化部署到生产环境
- 需要跨团队协作，打通开发与运维的ML工作流
替代项目
MLflow、Kubeflow、Seldon Core
项目介绍
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···
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···