mlops 第 2 页
本站收录 445 个带「mlops」标签的 AI 开源项目（按 GitHub 星标从高到低，第 2 / 9 页）
seldon-coreSeldon Core 是一个用于打包、部署、监控和管理生产环境中机器学习模型的开源 MLOps 框架。它解决了将训练好的模型（如 TensorFlow、PyT★ 4,785
cognitaCognita 是一个由 TrueFoundry 开源的模块化 RAG（检索增强生成）框架，旨在帮助开发者快速构建生产级、可扩展的 RAG 应用。它解决了 RA★ 4,412
serveServe 是一个用于在生产环境中部署、优化和扩展 PyTorch 模型的开源基础设施项目。它解决了将训练好的 PyTorch 模型高效、稳定地服务化的问题，提★ 4,345
SwanLabSwanLab 是一个开源、现代设计的 AI 训练跟踪与可视化工具，支持云端和自托管两种使用方式。它解决了深度学习训练过程中实验管理混乱、指标监控不便、结果对比★ 4,311
pipelinespipelines 是 Kubeflow 项目下的机器学习流水线组件，用于在 Kubernetes 上构建、部署和管理端到端的 ML 工作流。它解决了机器学习实★ 4,248
FedMLFedML 是一个统一且可扩展的机器学习库，专注于大规模分布式训练、模型服务和联邦学习。它提供跨云调度器 FedML Launch，支持在任意 GPU 云或本地★ 4,069
deepchecksDeepchecks 是一个面向机器学习模型与数据的持续验证开源测试框架，覆盖从研究到生产的全流程。它解决的是 ML 生命周期中数据质量、模型性能、漂移和偏见等★ 4,064
Artificial-Intelligence-Deep-Learning-Machine-Learning-Tutorials这是一个免费、可动手实践的 AI 教程合集，由 Synapsa 团队维护。它把机器学习、深度学习、AI 治理、文档智能、RAG 检索增强、AI 智能体与 MCP★ 4,011
maestroMaestro 是 Netflix 开源的工作流编排器，用于管理和调度数据管道及机器学习工作流。它解决了大规模工作流编排中常见的依赖复杂、资源利用率低、运维困难★ 3,845
AI-Engineer-HeadquartersAI-Engineer-Headquarters 是一个面向 AI 工程师的知识库与工具集，以 Jupyter Notebook 形式组织，汇集了构建机器学习模★ 3,770
polyaxonPolyaxon 是一个开源的 AI 基础设施平台，定位为 AI 编排与控制平面。它解决的是机器学习生命周期中实验管理、模型训练、超参数调优、模型部署等环节缺乏★ 3,746
ploomberPloomber 是一个用于构建数据管道的 Python 框架，旨在加速从开发到部署的整个流程。它解决了数据工程中常见的迭代速度慢、环境切换复杂、部署困难等问题★ 3,622
siesie 是一个开源的推理服务器和生产级集群，专为智能体（agent）所需的各类模型提供统一部署和调度。它解决了多模型、多副本在生产环境中难以统一管理的问题，提供★ 3,415
mlops-course这是一个面向生产级机器学习应用的教学课程仓库，旨在帮助开发者掌握从设计、开发、部署到迭代的完整MLOps流程。课程内容涵盖数据版本管理、模型实验追踪、CI/CD★ 3,410
determinedDetermined 是一个开源机器学习平台，旨在简化分布式训练、超参数调优、实验追踪和资源管理。它支持 PyTorch 和 TensorFlow，提供统一的 ★ 3,245
second-brain-ai-assistant-course这是一个教你构建“第二大脑”AI助手的开源课程项目，基于Jupyter Notebook编写。它系统性地讲解如何利用大语言模型（LLMs）、智能体（Agents★ 3,122
vllm-ascendvllm-ascend 是 vLLM 在华为昇腾（Ascend）硬件上的社区维护插件，旨在让 vLLM 这一主流大模型推理框架能够无缝运行在昇腾 NPU 上。它★ 3,005
whylogswhylogs 是一个开源的数据日志库，专为机器学习模型和数据管道设计。它通过轻量级的日志记录，持续收集数据分布、统计特征和模型性能指标，帮助团队实时监控数据质★ 2,836
datachaindatachain 是一个面向非结构化数据的上下文层，它将存储在 S3、GCS、Azure Blob 等对象存储中的文件（如图片、视频、文档）抽象为类型化、版本★ 2,827
plexeplexe 是一个基于提示词（prompt）构建机器学习模型的开源工具，旨在让开发者通过自然语言描述即可快速生成可用的模型，大幅降低机器学习开发门槛。它解决了传★ 2,644
hamiltonHamilton 是一个帮助数据科学家和工程师定义可测试、模块化、自文档化数据流的开源框架。它通过纯 Python 函数声明数据转换逻辑，自动构建数据流图，并生★ 2,613
burrBurr 是一个用于构建决策型应用（如聊天机器人、AI 代理、模拟系统等）的 Python 框架。它解决了开发者在构建复杂状态机驱动的应用时，缺乏结构化流程管理★ 2,574
cube-studiocube-studio 是一个基于云原生的开源 AI 平台，旨在统一管理机器学习、深度学习及大模型的完整生命周期。它解决企业在算法开发、训练、部署和运维中的碎片★ 2,561
awesome-argoawesome-argo 是一个精心整理的 Argo 生态资源清单，Argo 是 CNCF 毕业项目，包含 Argo Workflows、Argo CD、Arg★ 2,502
lupineLUPINE 是一个 GPU over IP 桥接工具，允许将远程机器上的 GPU 通过 IP 网络挂载到仅配备 CPU 的本地机器上，实现 GPU 资源的远程★ 2,451
nextpynextpy 是一个自称“来自未来的自修改框架”，主打“世界首个 AMS（自适应模型系统）”。它基于 Python，核心思路是让 AI 模型在运行时能动态调整自★ 2,349
trainertrainer 是一个基于 Kubernetes 的分布式 AI 模型训练与 LLM 微调平台，由开源社区维护。它解决了在 Kubernetes 上运行大规模训★ 2,249
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★ 2,240
nannymlnannyml 是一个用于机器学习模型部署后监控的 Python 库。它解决的是模型上线后性能下降、数据漂移等问题难以发现和定位的痛点。核心能力包括：检测特征和★ 2,160
MLOpsMLOps 是一个专注于机器学习运维（MLOps）的示例集合，以 Jupyter Notebook 形式呈现。它旨在解决机器学习模型从开发到生产部署过程中缺乏标★ 2,121
featureformFeatureform 是一个虚拟特征存储（Virtual Feature Store）系统，它不重新搭建存储，而是将你已有的数据基础设施（如 Postgres★ 1,991
feathrFeathr 是一个面向企业的可扩展、统一的数据与 AI 工程平台，主要用于特征工程的全生命周期管理。它解决了机器学习中特征定义、计算、存储和在线/离线一致性难★ 1,946
valqorevalqore 是一个面向 AI 驱动云和 Kubernetes 运维的安全护栏框架。它解决的是当 AI 或自动化脚本直接操作云基础设施时，可能因误操作、权限过★ 1,897
InferenceXInferenceX 是一个开源的持续推理基准研究平台，专注在大规模 LLM 推理场景下做可复现、可持续的性能评测。它把当下主流大模型（如 Kimi、MiniM★ 1,886
ai-infra-engineer-learning面向生产级 ML 基础设施的系统学习路线，专为有 2~4 年经验的工程师设计。课程涵盖模型训练、推理服务、算力调度、可观测性等基础设施核心主题，帮助工程师补齐从★ 1,800
OpenMLDBOpenMLDB是一个开源的机器学习数据库，旨在解决ML特征计算中训练与推理不一致的痛点。它提供统一的特征平台，让用户能用SQL定义特征，并在训练和线上推理时获★ 1,715
katibKatib 是一个基于 Kubernetes 的自动化机器学习（AutoML）平台，旨在解决在云原生环境中进行超参数调优、神经网络架构搜索（NAS）和早停（Ea★ 1,706
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，★ 1,704
gpu-hotgpu-hot 是一个基于 JavaScript 开发的实时 NVIDIA GPU 监控仪表盘，以网页形式直观展示 GPU 的实时状态。它解决的是开发者和运维人★ 1,640
state-of-open-source-ai这是一个旨在梳理开源AI领域当前纷繁复杂创新现状的项目，以一份清晰、结构化的文档形式呈现。它主要解决开发者和技术决策者在面对海量开源AI项目时，难以快速把握整体★ 1,638
MLE-agentMLE-agent 是一个面向 AI 工程与研究的智能助手，旨在将大模型与科研工作流深度结合。它解决了研究人员在阅读论文、复现实验、编写代码时信息割裂和流程繁琐★ 1,574
modelfoxModelFox 是一个用 Rust 编写的机器学习模型全生命周期管理工具，旨在简化从训练到部署再到监控的完整流程。它解决了机器学习模型在工程化落地中流程割裂、★ 1,464
mlreefmlreef 是一个面向机器学习团队的协作工作区，旨在解决 ML 项目中代码、数据和实验管理分散、协作效率低的问题。它提供统一的项目空间，集成代码仓库、数据版本★ 1,462
kitopskitops 是一个来自 CNCF 的 DevOps 工具，用于将 AI/ML 模型、数据集、代码和配置打包并版本化为 OCI Artifact。它解决了 AI★ 1,431
mlops-python-packagemlops-python-package 是一个用于快速启动和标准化 MLOps 项目及数据管道的 Python 包模板。它解决了 MLOps 项目从零搭建时缺★ 1,419
budgetmlbudgetml 是一个面向预算有限场景的机器学习推理服务部署工具，旨在让开发者用不到 10 行代码就能将模型部署为可用的推理服务。它解决了传统 ML 部署中配★ 1,345
MLOpsPythonMLOpsPython 是一个基于 Azure 机器学习服务和 Azure DevOps 的端到端 MLOps 参考实现。它解决了机器学习模型从开发到生产部署过★ 1,324
hopsworksHopsworks 是一个面向数据密集型 AI 的平台，核心是 Feature Store（特征存储），旨在解决机器学习特征管理混乱、训练与推理数据不一致的问题★ 1,310
quokkaquokka 是一个面向数据湖的时序数据管理框架，旨在让数据湖原生支持时间序列工作负载。它解决了传统数据湖（如 Iceberg、Hudi）在时序数据场景下写入吞★ 1,192
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