mlops
本站收录 444 个带「mlops」标签的 AI 开源项目（按 GitHub 星标从高到低，此处展示前 50 个）
Made-With-ML一套面向生产级机器学习应用的完整学习课程，手把手教你如何开发、部署并持续迭代 ML 应用。内容覆盖从实验到上线的全流程实践，配有代码示例，适合希望系统掌握工程化★ 49,652
airflowApache 基金会旗下的工作流编排平台，支持以代码方式（Python）编程式地定义、调度与监控数据管道。凭借丰富的算子生态、可靠的调度机制和活跃的社区，Air★ 47,011
qdrant用 Rust 编写的高性能向量数据库与向量检索引擎，专为新一代 AI 应用设计，支持亿级向量的规模化管理与毫秒级相似度搜索。内置丰富的过滤条件与多种距离度量，并★ 34,882
label-studio支持多类型数据标注的开源工具，覆盖图像、文本、音频、视频等多种数据格式，输出格式标准化，方便直接对接模型训练流程。提供灵活的标注界面、协作审核机制与丰富的集成能★ 28,371
mlflow面向 Agent、LLM 与机器学习模型的开源 AI 工程平台，帮助团队完成调试、评估、监控与优化生产级 AI 应用的全流程管理，同时兼顾成本控制与模型、数据的★ 28,183
serve基于云原生技术栈构建多模态 AI 应用的框架，让开发者可以像搭积木一样编排微服务化的 AI 流水线。它天然支持文本、图像、音视频等多种模态的模型编排与扩展，配合★ 21,864
agents-towards-production这是一个面向生产环境的生成式AI智能体端到端实战教程项目，旨在帮助开发者将智能体从原型快速推进到企业级部署。项目采用代码优先的方式，提供了一系列完整的Jupyt★ 21,513
awesome-production-machine-learning这是一个精选清单，汇集了部署、监控、版本管理和扩展机器学习系统的开源工具与库。它解决了机器学习模型从实验到生产落地过程中工具分散、选型困难的问题，帮助工程师和数★ 20,963
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
ml-engineering这是一本面向机器学习工程师的开放书籍，系统梳理了大模型训练与推理全流程的工程实践。它解决的核心问题是：当模型规模从百万级跃升到百亿级时，硬件选型、分布式策略、性★ 19,062
agent-lightning微软推出的 AI Agent 训练框架，专注于帮助开发者高效训练和优化智能体。它提供了完整的训练管线与工具链，支持多种主流模型，旨在让 Agent 的开发像闪电★ 18,532
argo-workflows运行在 Kubernetes 之上的容器原生工作流引擎，以 CRD 方式定义 DAG 任务编排，天然适配云原生环境。它支持并行任务、参数化模板、工件传递与定时触★ 17,011
weaviate开源向量数据库，同时存储对象与向量，将向量相似度检索与结构化过滤无缝结合，兼具云原生数据库的容错性与可扩展性。支持多种嵌入模型与模块化扩展，常被用于构建语义搜索★ 16,860
dagsterDagster 是一个面向数据资产的开源编排平台，专注于数据开发、生产和观测的全流程管理。它解决了传统数据管道工具在开发、部署和监控中割裂的问题，提供统一的开发★ 16,222
mlops-zoomcampmlops-zoomcamp 是 DataTalks.Club 推出的免费 MLOps 课程，旨在帮助数据科学家和工程师系统掌握机器学习运维的工程实践。它解决的★ 15,350
nni微软开源的 AutoML 工具包，覆盖机器学习生命周期的自动化，包括特征工程、神经网络架构搜索、模型压缩与超参调优等环节。借助丰富的搜索算法与可视化面板，帮助团★ 14,364
awesome-mlopsawesome-mlops 是一个精心整理的 MLOps 资源列表，旨在为机器学习工程师、数据科学家和平台团队提供一站式参考。它系统性地收集了从模型开发、训练、★ 14,227
OpenLLM让任意开源 LLM（如 DeepSeek、Llama）一键以 OpenAI 兼容的 API 形式部署到云端的工具。它屏蔽了模型服务化的复杂度，提供标准化的推理接★ 12,548
great_expectationsGreat Expectations 是一个开源的数据质量工具，帮助数据团队定义、验证和文档化数据的期望。它解决了数据管道中数据质量不可控的问题，通过声明式的期★ 11,851
tensorzero开源的 LLMOps 平台，将 LLM 网关、可观测性、评估、优化与实验管理整合于一体。团队可以在统一界面中路由模型请求、追踪调用质量并持续调优提示词与模型组合★ 11,715
wandb面向 AI 开发者的实验追踪与模型管理平台，支持训练过程的实时监控、指标可视化与团队协作，并能对模型从实验到生产的全生命周期进行管理。无论是调参对比、结果复现还★ 11,266
kedro面向生产级数据科学项目的工具箱，将软件工程最佳实践引入数据流水线开发，让管道具备可复现、可维护、模块化的特性。它提供了统一的项目结构、数据目录管理与管道抽象，帮★ 11,012
amazon-sagemaker-examplesamazon-sagemaker-examples 是亚马逊官方维护的 Jupyter Notebook 示例集，旨在帮助开发者快速上手 Amazon Sage★ 10,987
machine-learning-systems-design这是一本关于机器学习系统设计的开源小册子，以练习驱动的方式系统讲解ML系统的工程化设计。它面向希望从算法模型走向实际系统构建的工程师，解决ML项目在落地时面临的★ 10,681
skypilot面向前沿 AI 团队的计算平台，将分散在不同云厂商的 GPU 算力整合成一台“AI 超级计算机”。它支持在多云环境下统一调度资源、自动选型最优实例并显著节省成本★ 10,665
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
pycaretPython 生态中的开源低代码 AutoML 平台，几行代码即可完成数据预处理、模型训练、调参与对比。4.0 版本采用 sklearn 原生引擎并引入 Rea★ 9,848
deeplake面向 AI Agent 的数据运行时，提供无服务器 PostgreSQL 与多模态数据湖，支持大规模数据的高效检索与训练。开发者可以像使用数据库一样管理图像、文★ 9,245
BentoML以最简单的方式部署 AI 应用与模型的开源框架，支持构建模型推理 API、任务队列、LLM 应用与多模型流水线。它提供了标准化的服务化流程、容器化打包与云原生扩★ 8,870
evidentlyEvidently 是一个开源的机器学习和大型语言模型可观测性框架，用于评估、测试和监控任何 AI 驱动的系统或数据管道，覆盖从表格数据到生成式 AI 的广泛场★ 7,949
flyteFlyte 是一个开源的云原生编排平台，专注于数据、机器学习和 AI 工作流的自动化。它解决的是在复杂生产环境中，数据管道、模型训练和推理任务难以统一调度和可靠★ 7,602
feastFeast 是一个开源的 Feature Store（特征仓库），专为 AI/ML 场景设计，旨在解决机器学习模型开发与部署中特征管理混乱、训练与在线推理特征不★ 7,314
lancelance 是一个面向多模态 AI 数据的开源列式存储格式，基于 Rust 和 Apache Arrow 构建。它解决了传统 Parquet 格式在随机访问、向★ 7,123
clearmlClearML 是一个开源的 MLOps/LLMOps 平台，旨在统一管理机器学习项目的全生命周期。它解决了 AI 开发中实验跟踪、数据管理、流水线编排、模型部★ 6,895
agent-starter-packagent-starter-pack 是一个面向 Google Cloud 的 AI 智能体生产级启动模板集合，旨在将 AI 智能体的部署周期从数月缩短至数分钟★ 6,561
courses这是一个精选的AI学习资源集合，收录了关于人工智能、机器学习、深度学习、计算机视觉、自然语言处理、多模态、生成模型和MLOps等领域的课程与资料链接。项目以Ma★ 6,487
awesome-ai-tools这是一个精选人工智能工具清单，旨在帮助开发者和技术爱好者快速发现和评估当前最热门的AI工具。项目以列表形式系统整理了涵盖AI智能体、AI助手、AI工具等多个类别★ 6,310
aimAim 是一个开源、易用的实验追踪工具，专为机器学习项目设计。它解决了 ML 团队在训练过程中难以高效记录、比较和可视化大量实验指标与元数据的问题。核心能力包括★ 6,271
kserveKServe 是一个基于 Kubernetes 的标准化的分布式生成式 AI 和预测式 AI 推理平台，旨在为可扩展、多框架的模型部署提供统一解决方案。它解决了★ 6,046
Awesome-LLMOpsAwesome-LLMOps 是一个精选的 LLMOps 工具列表，旨在帮助开发者快速找到适合大语言模型开发运维的最佳实践工具。它系统梳理了从模型训练、微调、部★ 5,951
giskard-ossGiskard 是一个面向 LLM 智能体和应用的自动化评估与测试开源库。它解决了大模型应用上线前缺乏系统性质量保障的问题，提供从单元测试到红队攻击的全链路测试★ 5,846
higgsfieldhiggsfield 是一个面向超大规模模型训练的容错型 GPU 编排与机器学习框架，专为数十亿至数万亿参数模型设计。它解决的核心问题是：在大规模分布式训练中，★ 5,812
zenmlZenML 是一个面向机器学习团队的端到端 MLOps 平台，旨在统一从数据准备、模型训练到部署和监控的整个 AI 生命周期。它通过可组合的管道（Pipelin★ 5,597
lightning-hydra-template这是一个面向机器学习实验的工程化模板，基于 PyTorch Lightning 和 Hydra 构建。它解决了深度学习项目中配置管理混乱、代码结构不清晰、实验难★ 5,356
LLM-Engineers-Handbook《LLM工程师手册》是一份面向大语言模型（LLM）工程实践的开源指南，旨在帮助开发者从零基础掌握LLM的核心概念，并进阶到在AWS云平台上部署高级LLM与RAG★ 5,354
superduperSuperduper 是一个端到端的开源框架，用于构建自定义 AI 应用和智能代理。它解决了将 AI 模型（如 LLM、预训练模型）与现有数据基础设施（尤其是 ★ 5,327
awesome-mlops这是一个精心整理的 MLOps 工具精选清单，旨在帮助机器学习工程师、数据科学家和平台团队快速发现和评估生产环境中所需的各类工具。项目将 MLOps 生态按功能★ 5,283
argillaArgilla 是一个面向 AI 工程师和领域专家的协作工具，专注于构建高质量数据集。它解决了 LLM 项目中数据标注、反馈收集和数据集管理的痛点，提供直观的 ★ 5,128
cube-studiocube-studio 是一个开源的云原生一站式 AI 平台，覆盖机器学习、深度学习和 LLMOps 全链路。它解决了 AI 开发中环境搭建复杂、资源利用率低、★ 5,079
awesome-opensource-ai这是一个精选的真正的开源AI项目、模型、工具和基础设施的清单，每日更新。它旨在帮助开发者和研究者快速发现高质量的开源AI资源，避免在信息海洋中迷失。项目按类别组★ 4,803