model-monitoring
本站收录 14 个带「model-monitoring」标签的 AI 开源项目
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
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
openllmetryopenllmetry 是一个面向 GenAI 和 LLM 应用的开源可观测性平台，基于 OpenTelemetry 标准构建。它解决了 LLM 应用在生产环境★ 7,460
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★ 4,061
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★ 2,156
openllmetry-jsOpenLLMetry-js 是 OpenLLMetry 的 TypeScript 姊妹项目，基于 OpenTelemetry 为 LLM 应用提供开源可观测性★ 412
hubhub 是一个用 Rust 编写的高性能 LLM 网关，专为大规模 AI 应用设计。它解决了在多个 LLM 提供商（如 OpenAI、Anthropic 等）之★ 229
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
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★ 106
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
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
inferencedbinferencedb 是一个实验性的开源基础设施项目，旨在将生产环境中实时机器学习模型的推理结果流式传输到任意数据湖。它解决了模型推理数据难以统一收集、存储和★ 81
vetiver-pythonvetiver-python 是一个用于机器学习模型版本管理、共享、部署和监控的 Python 框架。它解决了模型从训练到生产过程中缺乏标准化流程的问题，提供了★ 71
full-stack-on-prem-cv-mlops这是一个面向计算机视觉的全栈本地化MLOps系统，旨在通过一条配置和一个命令，将Jupyter Notebook中的模型快速部署到生产环境，服务数百万用户。它覆★ 56