mlops 第 7 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 7 / 9 页）
numerbloxnumerblox 是一个面向 Numerai 数据科学竞赛的 Python 工具库，旨在简化并标准化 Numerai 预测管道的构建流程。它解决了参赛者在数据★ 126
orlojOrloj 是一个面向多智能体 AI 系统的编排运行时，用 Go 语言编写。它解决的核心问题是：当 AI 系统由多个智能体、工具和策略组成时，如何在生产环境中可★ 125
awesome-ai-tutorials这是一个精选AI教程的集合仓库，旨在帮助学习者系统掌握数据科学和人工智能的核心技能。项目将分散在网络上的高质量教程、课程和资源进行整理归类，覆盖机器学习、深度学★ 124
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
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
nexus-llm-routernexus-llm-router 是一个智能的多 LLM 路由网关，提供与 OpenAI 兼容的 API，可无缝替换现有调用。它解决的核心问题是：在多个大模型提★ 123
monai-deployMONAI Deploy 是 MONAI 项目下的一个开源基础设施，旨在成为医疗 AI 应用在临床生产中开发、打包、测试、部署和运行的事实标准。它解决的是医疗影★ 123
tempotempo 是一个面向机器学习的 MLOps Python 库，旨在帮助数据科学家和工程师将训练好的模型快速部署到生产环境，并简化模型服务的整个生命周期管理。它★ 122
awesome-ai-sreawesome-ai-sre 是一个精选资源列表，收录了 100 多个用于站点可靠性工程（SRE）的 AI 驱动工具、平台和资源。它系统性地整理了 AI 在 S★ 121
meow-learning这是一个“自选问题”式指南，由作者为从领导层到机器学习工程师的各类角色编写，旨在系统化地传授在生产环境中使用AI的流程与方法。项目以结构化的问题集形式呈现，覆盖★ 120
portkey-python-sdkPortkey Python SDK 是一个用于构建可靠、安全且生产级 AI 应用的开发工具包。它解决了开发者在集成多种大语言模型（LLM）时面临的复杂性、可靠★ 119
blackdaggerBlackdagger 是一个基于 DAG（有向无环图）的自动化工具，专为 DevOps、DevSecOps、MLOps、MLSecOps 和持续红队（CART★ 119
generative-ai-project-template这是一个用于快速搭建生成式AI项目的工程模板，基于Python生态，集成了uv（包管理）、NiceGUI（前端界面）、FastAPI（后端API）、LiteLL★ 118
fasttrackmlfasttrackml 是一个专注于速度和可扩展性的实验跟踪服务器，用 Go 语言编写。它解决机器学习团队在大量实验场景下，传统跟踪工具（如 MLflow）性能★ 118
mlinframlinfra 是一个专注于机器学习基础设施和 MLOps 工具链快速部署的开源项目。它旨在解决 ML 团队在搭建和运维机器学习平台时面临的复杂性和重复劳动问题★ 115
Machine-Learning这是一个个人博客配套的机器学习内容仓库，以 Jupyter Notebook 形式收录了作者博客中关于机器学习的全部代码和讲解。项目主要解决机器学习入门者缺乏系★ 115
websiteKServe 是一个 Kubernetes 原生的模型推理平台，用于标准化服务器模型的部署。该项目是 KServe 的官方用户文档，基于 MDX 编写，旨在帮助★ 113
mlops-projects这是一个面向实战的 MLOps 项目合集，旨在帮助学习者通过动手实践掌握机器学习工程在生产环境中的落地技能。项目以 Jupyter Notebook 为主要载体★ 113
ai-privacy-toolkitai-privacy-toolkit 是一个面向 AI 模型隐私与合规的 Python 工具包，旨在帮助开发者和企业在使用 AI 模型时满足隐私保护与法规要求。★ 112
mlops-hf-tf-vision-models这是一个专注于视觉模型MLOps的开源项目，基于Hugging Face Transformers和TensorFlow Extended (TFX)构建。它解★ 111
www-project-machine-learning-security-top-10OWASP机器学习安全十大风险项目，旨在为机器学习系统提供安全风险清单和缓解指南。它借鉴OWASP Top 10的成功模式，专门针对ML组件（如数据、模型、推理★ 110
ai-on-openshiftai-on-openshift 是一个专注于在 OpenShift 平台上部署和运行 AI 工作负载的开源项目，其网站源码托管于此。该项目旨在解决企业在 Ope★ 109
omegamlomegaml 是一个面向 MLOps 的一站式 AI 交付平台，旨在简化机器学习模型的开发、部署和管理流程。它解决了企业在将模型从实验环境推向生产时面临的复杂★ 109
mnist-mlops-learning这是一个用于学习MLOps实践的示例项目，基于MNIST手写数字识别任务，演示了如何将MLflow、Streamlit和FastAPI整合到机器学习工作流中。项★ 108
ml_observability_course这是一个免费开源的机器学习可观测性课程，专为数据科学家和机器学习工程师设计。它旨在解决机器学习模型在生产环境中部署后难以监控和调试的问题。课程内容涵盖模型性能监★ 107
formlForML 是一个面向数据科学项目全生命周期的开发框架与 MLOps 平台。它旨在解决机器学习项目从实验到生产部署过程中缺乏统一管理的问题，提供模型开发、训练、★ 107
clientDagsHub client 是 DagsHub 平台提供的 Python 客户端库，用于与 DagsHub 的数据和模型管理功能进行交互。它解决了机器学习项目★ 105
production-ready-data-science-code这是一个将杂乱的数据科学 notebook 转化为生产级代码的指南型项目，通过具体示例覆盖测试、CI/CD、MLOps 和可扩展部署实践。它解决了数据科学项目从★ 105
monitoring-mlmonitoring-ml 是一个面向机器学习系统监控的教育型开源项目，主要解决模型上线后因数据漂移导致的性能衰减问题。它通过 Jupyter Notebook★ 105
aiops-modulesAIOps modules 是一套面向 AWS 云上机器学习、基础模型、大语言模型及生成式 AI 开发运维的可复用 IaC 模块集合。它旨在解决 AI/ML 项★ 104
kube-llmopskube-llmops 是一个基于 Kubernetes 的 LLM 运维工具，旨在解决大语言模型应用在 Kubernetes 集群中的部署、管理和运维难题。它★ 103
get-beamget-beam 是一个面向 AI 基础设施的早期开源项目，旨在让用户以无服务器（Serverless）方式运行 GPU 推理和训练任务。它解决了传统 GPU ★ 103
serving-pytorch-modelsserving-pytorch-models 是一个面向 PyTorch 模型生产部署的教程型开源项目，主要展示如何使用 TorchServe 将训练好的 Py★ 102
opentracesopentraces 是一个面向 AI Agent 的本地优先证据层（evidence layer），用于记录 Agent 在工作过程中看到、执行和修改的所有操★ 101
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
clearml-fractional-gpuClearML Fractional GPU 是一个基础设施工具，旨在解决单个 GPU 上运行多个容器时的资源隔离问题。它通过驱动级内存限制和计算时间切片，让多★ 97
BailoBailo 是一个用于管理机器学习全生命周期的开源平台，旨在解决模型从开发到部署过程中面临的规模化、协作、合规和共享等挑战。它提供模型注册、版本管理、元数据追踪★ 97
azure-databricks-mlops-mlflow这是一个面向 Azure Databricks 平台的 MLOps 示例项目，专注于 Python 源码的机器学习生命周期管理，且不依赖 MLflow Proj★ 97
mlodamloda 是一个面向 AI 和机器学习场景的开源数据访问框架，采用插件化架构设计，旨在解决 AI 应用开发中数据获取、特征工程和上下文构建的碎片化问题。它提供★ 96
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
semantic-segmentation-ml-pipeline这是一个基于TensorFlow Extended (TFX)和Google Cloud Platform (GCP)产品的语义分割机器学习流水线项目。它旨在解★ 96
mloperatormloperator 是一个面向 Kubernetes 的机器学习/AI 训练、推理服务及智能体沙箱的 Operator 和控制器。它解决了在 Kubernet★ 95
testing-mltesting-ml 是一个面向机器学习工程师的实践指南，旨在通过测试代码、数据和模型来构建可靠的 ML 系统。项目以 Jupyter Notebook 形式呈★ 95
inferoxyinferoxy 是一个用于快速部署和使用 Docker 化计算机视觉模型的服务。它解决了 AI 模型从训练到生产环境部署过程中面临的复杂性和高成本问题，提供了★ 95
ai-dev-2024-ml-workshop这是 AI Dev 2024 大会工作坊的配套材料，主题为“使用 Python、开源和免费应用部署与监控机器学习管道”。项目以 HTML 为主，包含教程文档、示★ 93
dstoolkit-mlops-base这是一个面向机器学习团队的 MLOps 基础工具包，旨在帮助团队利用 Azure 云服务加速模型从开发到生产的部署流程。项目提供了一套可复用的基础设施模板、自动★ 92
sales-forecast-mlops-at-scale这是一个面向需求预测的云原生机器学习全栈系统，旨在解决大规模、实时场景下的预测难题。它整合了数据流处理、模型推理、自动重训闭环等核心能力，支持从数据接入到预测结★ 92
awesome-security-for-ai这是一个精选列表，收录了用于保护AI系统安全的产品与资源，涵盖开源和商业方案，并附带一张采用CC-BY-SA-4.0许可的信息图。项目旨在帮助安全工程师、AI开★ 91
mlops-best-practices这是一个关于机器学习运维（MLOps）最佳实践的实用指南，旨在帮助数据科学家和工程师构建端到端的机器学习流水线，并将模型成功部署到生产环境。项目以Jupyter★ 91
oomstoreoomstore 是一个用 Go 和 Rust 构建的轻量级、高性能特征存储系统，专为机器学习特征管理而设计。它解决了特征工程中特征离线计算、在线获取、一致性保★ 91