datascience
本站收录 20 个带「datascience」标签的 AI 开源项目
taipy让数据与 AI 算法快速变成生产级 Web 应用的开源框架。开发者只需少量 Python 代码，就能把数据处理、模型推理和可视化界面整合成可交互的应用程序，同时★ 19,439
metaflowNetflix 开源的 AI/ML 系统构建与管理框架，帮助开发者轻松编写、运行和部署机器学习流水线。它提供了简洁的 Python API，支持本地开发与云端规★ 10,283
openllmetryopenllmetry 是一个面向 GenAI 和 LLM 应用的开源可观测性平台，基于 OpenTelemetry 标准构建。它解决了 LLM 应用在生产环境★ 7,460
mimesisMimesis 是一个 Python 库，用于生成逼真的假数据，支持多种语言和地区（locale）。它解决了开发、测试和演示阶段需要大量真实感测试数据的问题，无★ 4,840
around-dataengineeringaround-dataengineering 是一个数据工程与机器学习知识中心，旨在为数据从业者提供系统化的学习路径和实战参考。它聚合了数据工程、数据管道、数据★ 1,146
tech.ml.datasettech.ml.dataset 是一个基于 Clojure 的高性能数据处理系统，专注于提供类似 Python pandas 的 DataFrame 功能，同时★ 763
dingoDingo 是一个面向 AI 数据、模型与应用的质量评测工具，用 Python 编写。它要解决的问题是：大模型项目里数据质量参差不齐、模型输出难以量化评估，团队★ 757
awesome-ai-tools这是一个超大型AI工具精选列表，旨在收录并分类展示当下最热门的AI工具、平台和资源。项目持续更新至2026年，覆盖ChatGPT、Claude、DeepSeek★ 587
awesome-open-mlopsawesome-open-mlops 是 Fuzzy Labs 维护的一份精选开源 MLOps 工具清单，旨在帮助数据科学家和工程师在纷繁复杂的 MLOps 生★ 483
openllmetry-jsOpenLLMetry-js 是 OpenLLMetry 的 TypeScript 姊妹项目，基于 OpenTelemetry 为 LLM 应用提供开源可观测性★ 412
data_science_blogs这是一个数据科学博客的配套代码仓库，作者将博客文章中涉及的所有代码集中管理。项目主要解决博客读者无法直接获取可运行代码的问题，提供从数据预处理、机器学习建模到可★ 252
hubhub 是一个用 Rust 编写的高性能 LLM 网关，专为大规模 AI 应用设计。它解决了在多个 LLM 提供商（如 OpenAI、Anthropic 等）之★ 229
ai-learning-kitai-learning-kit 是一个精选的 AI 学习资料合集，旨在为开发者、学生和研究者提供系统化的 AI 学习路径。它解决了 AI 领域信息过载、学习资源★ 197
awesome-ml-experiment-management这是一个精选列表，汇总了用于机器学习实验跟踪与管理的开源工具和商业产品。它解决的是ML实践中实验记录混乱、结果难以复现、模型版本管理困难等问题。项目按功能分类整★ 162
k3aik3ai 是一个轻量级工具，旨在帮助用户快速搭建 AI 基础设施栈，将原本需要数天的部署过程缩短到几分钟。它基于 Kubernetes（K8s），自动完成 K8★ 124
BioDSABioDSA是一个面向生物医学领域的AI智能体快速原型开发框架，旨在帮助研究人员和开发者以“氛围原型”的方式，即通过自然语言描述和交互，快速构建、测试和迭代AI★ 98
data-science-best-practices这是一个面向数据科学家和机器学习工程师的最佳实践指南仓库，旨在帮助团队将数据科学用例从原型开发推进到生产环境。它聚焦于解决方案的版本控制、可扩展性、监控和工程化★ 98
awesome-ml-monitoring这是一个精选列表，汇总了用于监控数据质量、监控模型性能和分析数据的开源工具及商业产品。它解决了机器学习模型上线后缺乏有效监控手段的问题，帮助团队及时发现数据漂移★ 96
data-machinelearning-the-boring-way这是一个面向数据工程与机器学习爱好者的开源学习与实践项目，核心理念是“不抄捷径”，强调在Kubernetes上从零构建数据管道和ML工作流。项目以Python为★ 57
awesome-ml-serving这是一个精选清单，汇集了用于生产环境模型服务的开源和商业平台。它旨在解决机器学习模型部署和上线时，缺乏系统性参考和对比的问题。项目核心能力是整理并分类了多种模型★ 50