mlops-workflow
本站收录 18 个带「mlops-workflow」标签的 AI 开源项目
envdenvd 是一个面向人类和 AI 代理的可复现开发环境管理工具。它解决了开发环境配置不一致、依赖管理复杂、环境迁移困难等痛点，通过声明式配置文件和容器化技术，让★ 2,236
mlrunMLRun 是一个开源的 MLOps 平台，旨在帮助团队快速构建和管理持续运行的机器学习应用全生命周期。它解决的核心问题是 ML 项目从开发到生产的工程化难题，★ 1,700
vertex-ai-mlopsvertex-ai-mlops 是 Google Cloud 官方提供的端到端机器学习运维（MLOps）参考实现，基于 Vertex AI 平台构建。它解决企业★ 719
mlops-v2这是微软提供的 Azure MLOps v2 解决方案加速器，旨在帮助企业快速在 Azure 平台上部署和管理机器学习模型。它解决的是机器学习项目从开发到生产过★ 656
rust-mlops-templaterust-mlops-template 是一个正在开发中的开源项目，旨在使用 Rust 语言构建机器学习运维（MLOps）解决方案的模板。它针对当前 MLOps★ 385
mlops-guide.github.io这是一个端到端的MLOps指南与教程网站，旨在帮助数据科学家和ML工程师将机器学习模型从实验阶段推向生产环境。项目以IBM Watson、DVC、CML、Ter★ 326
mlops-projectmlops-project 是一个面向机器学习运维（MLOps）的基础设施项目，旨在帮助团队标准化机器学习模型的开发、部署与监控流程。它解决了机器学习项目从实验★ 194
zenbyteszenbytes 是一个面向 MLOps 初学者的实践指南，基于 ZenML 及其生态集成，通过 Jupyter Notebook 形式逐步演示机器学习运维的核★ 189
bentoctlbentoctl 是一个用于快速部署机器学习模型到任意云平台的开源工具，由 BentoML 团队开发。它解决了 ML 模型从本地开发到云端生产环境部署流程繁琐、★ 175
MLOps_WorkshopMLOps_Workshop 是一个面向 Azure 云平台的 MLOps 实践教程与脚手架项目，旨在帮助数据科学家和机器学习工程师将模型从开发环境平滑迁移到生★ 164
reproducible-data-science这是一个关于如何构建可复现、可维护数据科学项目的教程集合，以 Jupyter Notebook 形式呈现。它解决的是数据科学项目中常见的可复现性危机，即代码、数★ 152
mlops-templatesmlops-templates 是微软提供的 Azure MLOps (v2) 解决方案加速器，旨在帮助企业快速在 Azure 平台上部署和运维机器学习模型。它★ 144
CICD-for-Machine-Learning这是一个面向初学者的机器学习CI/CD示例项目，旨在通过GitHub Actions自动化模型的训练、评估、版本管理和部署流程。它解决了ML项目从开发到生产过程★ 124
nboxnbox 是 NimbleBox 平台的官方 Python 包，旨在将平台的所有 API 封装为命令行工具和可复用的 Python 模块，从而简化机器学习工作流★ 87
mlops-project-template这是一个面向Azure云平台的MLOps解决方案加速器模板，旨在帮助企业快速、标准化地在Azure上部署和运维机器学习模型。项目基于Azure MLOps v2★ 85
fsdl-text-recognizer-2022这是 FSDL（Full Stack Deep Learning）2022 课程的配套完整项目代码仓库，对应课程实验的最终答案版本。项目以文本识别（OCR）为实★ 83
Intent-classifier-model这是一个极简的意图分类模型，专门用于短文本的客户支持场景。它接收用户输入（如“Hi, I need help with my bill”），并输出五类意图之一：★ 78
aws-data-science-data-engineering-mlops-infra这是一个基于AWS的端到端数据科学与MLOps参考架构项目，以航班延误预测为业务场景，完整展示了数据工程、数据科学、MLOps和基础设施即代码的最佳实践。项目通★ 58