mlops 第 6 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 6 / 9 页）
dcs-coredcs-core 是一个开源的 Python 数据质量监控框架，旨在帮助数据团队持续跟踪和验证数据的准确性、完整性和一致性。它解决了数据管道中因数据异常（如缺失★ 179
whiteboxWhitebox 是一个开源的端到端机器学习监控平台，特别强调边缘计算能力，并能与 Kubernetes 良好集成。它旨在解决 ML 模型从训练到部署后的全生命★ 179
whylogs-javawhylogs-java 是 whylogs 的 Java 实现，用于对机器学习数据管道进行端到端的画像（profiling）和监控。它解决的是 ML 数据质量★ 177
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
env-doctorenv-doctor 是一个用于诊断和修复 CUDA/GPU 环境兼容性问题的命令行工具，同时提供 MCP（Model Context Protocol）服务器★ 172
fake-news这是一个从零构建假新闻检测器的开源项目，覆盖从想法到模型部署的完整流程。项目以Jupyter Notebook为主要载体，逐步演示如何收集数据、清洗文本、特征工★ 171
pymiloPyMilo 是一个专注于机器学习模型序列化与反序列化的 Python 库，旨在解决不同 ML 框架（如 scikit-learn、XGBoost 等）模型在保★ 170
clearml-servingClearML Serving 是 ClearML 生态中的模型服务编排与仓库解决方案，用于将训练好的机器学习模型部署为生产级推理服务。它解决的是模型从实验到上★ 170
Quick-Notes-for-ML-DS这是一个面向机器学习与数据科学求职者的面试准备笔记仓库，由 iNeuron 提供内容，汇集了面试常见问题、重要学习链接以及 MLOps 相关资源。项目旨在帮助学★ 170
runbooksRunbooks 是一个基于 Kubernetes 的 LLM 微调工具，旨在通过声明式工作流简化大语言模型的微调过程。它利用 Kubernetes 的弹性资源★ 169
weightslabweightslab 是一个面向 AI 工程师的数据处理基础设施，专注于处理真实世界中杂乱的数据，包括图像、视频和 LiDAR 点云。它解决了 AI 项目在数据★ 168
aws-ml-jpaws-ml-jp 是一个面向日语用户的 Amazon SageMaker 学习资源集合，包含 Jupyter Notebook 示例和配套教材，旨在帮助开发者★ 168
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★ 165
mlops-e2e这是一个基于AWS的MLOps端到端示例项目，使用TypeScript编写，通过Amazon SageMaker Pipeline、AWS CodePipeli★ 164
raptorraptor 是一个用 Go 编写的开源基础设施工具，旨在将 Python 风格的研究代码转化为工程师可直接部署的产物。它解决了研究与工程之间的鸿沟问题，即数据★ 164
recommendations-for-engineers这是一个面向有志于成为工程师的个人的推荐资源合集，由一位经验丰富的工程师整理，汇集了来自多个兴趣领域的建议。项目旨在为工程师成长提供一份集中的指南，涵盖学习路径★ 162
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
glideglide 是一个用 Go 编写的开源模型网关，旨在为生产级生成式 AI 应用提供极速、简单的接入层。它解决了企业在集成多个大语言模型（LLM）时面临的统一接口★ 160
krakenKraken CI 是一个用 Python 编写的持续集成与测试系统，旨在为开发团队提供自托管的 CI/CD 解决方案。它解决了传统 CI 工具在配置复杂、资源★ 160
labelbox-pythonlabelbox-python 是 Labelbox 平台的官方 Python SDK，旨在为下一代 AI 提供数据工厂能力。它解决的是 AI 模型训练中数据标★ 157
TANGOTANGO 是一个面向目标感知的无代码神经网络生成与运维框架。它旨在降低深度学习模型开发的门槛，让非专家用户也能通过可视化或声明式配置，快速生成针对特定任务（如★ 157
mlops-workload-orchestrator这是一个用于AWS云环境的MLOps工作负载编排框架，旨在简化和规范机器学习模型生产化的架构实践。它提供了一套标准接口，用于管理AWS原生ML服务（如SageM★ 157
trubrics-pythonTrubrics 是一个面向 AI 助手的开源产品分析平台，主要解决 LLM 应用上线后缺乏可观测性和用户行为洞察的问题。它提供 Python SDK 和 AP★ 156
spacespace 是一个面向机器学习全生命周期的统一存储框架，旨在解决 ML 项目中数据、模型、实验产物等分散存储、难以统一管理的问题。它提供了一套统一的接口和抽象层★ 156
sdksdk 是一个通用 Python SDK，旨在简化在 Kubernetes 上运行 AI 工作负载的流程。它解决了 AI 工程师和平台团队在 Kubernete★ 155
babylogbabylog 是一个面向机器学习团队的轻量级日志工具，专门用于在生产环境中记录图像和模型预测结果。它解决了 ML 系统在部署后缺乏可观测性的问题，帮助团队监控★ 154
zero-to-aizero-to-ai 是一个面向零基础学习者的免费 AI/ML 课程仓库，以 950 多个 Jupyter Notebook 为载体，覆盖从 Python 基础★ 154
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★ 153
awesome-ai-agents这是一个精选的AI智能体（AI Agents）资源列表，旨在整理和推荐当前最优秀的AI智能体项目、框架和工具。它解决了AI开发者与爱好者难以从海量信息中快速发现★ 152
modelkitmodelkit 是一个用于开发和维护机器学习模型的 Python 工具包，旨在简化 ML 模型的构建、测试、部署和监控流程。它提供了一套标准化的模型接口和抽象★ 149
Agent-Execution-PartnershipAgent Execution Partnership (AEP) 是一个开源的 AI 智能体控制平面，专注于解决 AI 代理在执行任务时的安全与治理问题。它确★ 147
oreilly-hands-on-gpt-llm这是一个配套O'Reilly书籍《Hands-On GPT-LLM》的实战代码仓库，专注于大规模、高效AI模型部署。项目以Jupyter Notebook形式提★ 145
flintmlflintml 是一个面向团队的一键式机器学习基础设施工具，旨在让团队无需深入底层细节即可快速搭建和运行 ML 工作流。它解决了传统 ML 基础设施部署复杂、运★ 145
arkorarkor 是一个专注于大模型微调的 TypeScript 框架，旨在为开发者提供高效、类型安全的微调工具链。它解决了传统微调流程中 Python 生态绑定深、★ 144
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
ai-systemai-system 是一个面向 LLM/MLOps/LLMOps 领域的基础设施项目，旨在为机器学习与大型语言模型的全生命周期管理提供统一的技术底座。它解决的是★ 143
benchmarks这是一个用于主流AI模型上MLOps引擎、框架和语言性能对比的基准测试项目。它通过统一的测试脚本和标准化流程，对不同的MLOps工具链（如模型服务引擎、训练框架★ 143
monai-deploy-app-sdkMONAI Deploy App SDK 是 MONAI 项目的一部分，专注于医疗影像 AI 应用的全生命周期管理。它提供了一套框架和工具，帮助开发者设计、开发★ 143
kubeflow-chartkubeflow-chart 是一个用于部署 Kubeflow 的 Helm Chart 项目，旨在简化 Kubeflow 在 Kubernetes 集群上的安★ 143
ChatOpsLLMChatOpsLLM 是一个面向 LLM 运维的对话式助手平台，旨在简化大语言模型的操作与管理工作。它基于 Svelte 构建，整合了 LiteLLM、Lang★ 142
articles-codearticles-code 是一个解码机器学习文章的中心，提供带有代码的实战文章，专注于生产级机器学习。该项目以 Jupyter Notebook 为主要载体，★ 141
MLOps_VideoAnomalyDetectionMLOps_VideoAnomalyDetection 是一个基于 Azure ML 的视频异常检测端到端 MLOps 示例项目。它解决了从模型训练到部署运维的★ 138
build-and-deploy-real-time-feature-pipeline这是一个用Python构建和部署实时特征管道的开源项目，旨在解决机器学习中特征工程从离线批处理向实时流处理迁移的难题。项目结合Bytewax（流处理框架）和Ho★ 137
keda-gpu-scalerkeda-gpu-scaler 是一个基于 KEDA 外部 gRPC 扩展器的 GPU 自动扩缩容组件。它通过 DaemonSet 方式在每个节点上运行，直接利★ 136
genai-stackgenai-stack 是一个端到端的生成式 AI 框架，旨在帮助开发者快速搭建从数据接入、模型调用到应用部署的完整 GenAI 应用。它解决了 AI 应用开发★ 131
athina-sdkathina-sdk 是一个用于 LLM 应用生产环境监控与测试的 Python SDK。它主要解决大语言模型应用在真实使用中出现的性能退化、输出质量不稳定、成★ 131
ml-template-azureml-template-azure 是一个面向 Azure 机器学习平台的自动化 MLOps 起步模板，旨在帮助团队快速搭建从代码到模型部署的端到端流水线。它解★ 131
flyte-sdkflyte-sdk 是 Flyte 平台的原生 Python SDK，提供类型安全的分布式编排能力，用于构建和运行机器学习流水线、智能体工作流以及实时推理服务。★ 129
tfx-addonsTFX-Addons 是 TensorFlow Extended（TFX）的社区扩展项目集合，由 SIG TFX-Addons 特别兴趣小组维护，旨在为 TFX★ 129
krshkrsh 是一个声明式的 KubeFlow 管理工具，旨在简化 KubeFlow 的部署、配置和生命周期管理。它通过声明式配置（如 YAML）定义所需的 Kub★ 129