mlops

🔥 Un agente de IA autónomo que ejecuta tus experimentos de aprendizaje profundo las 24 horas del día, los 7 días de la semana, mientras duermes. Monitoreo de costo cero, arquitectura líder-trabajador y memoria de tamaño constante.

Adaptación de data lakes para series temporales.

Un centro de conocimiento sobre ingeniería de datos y aprendizaje automático

Materiales del curso de sistemas eficientes de Deep Learning.

Una plataforma de desarrollo de pipelines de ML de código abierto

🌀 El marco de trabajo MLOps Full Stack de 7 pasos | Aprende MLE y MLOps gratis diseñando, construyendo y desplegando un sistema por lotes de ML de extremo a extremo ~ código fuente + 2.5 horas de lectura y material en video.

CodeProject.AI Server es un servicio autónomo que los desarrolladores de software pueden incluir y distribuir con sus aplicaciones para dotarlas de capacidades de IA.

Optimización del aprendizaje por refuerzo con RLOps. Algoritmos y herramientas de RL de vanguardia, con un entrenamiento 10 veces más rápido mediante optimización evolutiva de hiperparámetros.

Motorhead es un servidor de memoria y recuperación de información para LLMs.

Un framework de alto rendimiento para servir modelos de ML, que ofrece procesamiento por lotes dinámico y pipelines de CPU/GPU para aprovechar al máximo su equipo de cómputo

Extensión de base de datos vectorial para PostgreSQL destinada a la creación de aplicaciones de IA.

Entrena y despliega una API REST de ML para predecir precios de criptomonedas en 10 pasos.

LightlyStudio: la plataforma de datos unificada para ML multimodal.

Una hoja de ruta de 10 semanas, 30 minutos al día, para la inferencia y optimización de LLM. Incluye vLLM, SGLang, cuantización, decodificación especulativa y benchmarking.

Neum AI es un framework de primera clase para gestionar la creación y sincronización de incrustaciones vectoriales a gran escala.

Despliega cualquier modelo de IA, agente, base de datos, RAG y pipeline de forma local o remota en minutos.

Lista de proveedores de nube para Deep Learning.

Notebooks, ejemplos de código, aplicaciones de muestra y otros recursos que demuestran cómo usar, desarrollar y gestionar flujos de trabajo de aprendizaje automático e IA generativa utilizando Google Cloud Vertex AI.

Aprende a crear, desarrollar y mantener una base de código MLOps de última generación

Herramientas de código abierto para anotación y etiquetado de datos

NucliaDB, la base de datos de búsqueda por IA para RAG

Este repositorio proporciona una pila personalizable para iniciar nuevos proyectos de ML en Databricks que siguen las mejores prácticas de producción desde el primer momento.

Flujos de trabajo de extremo a extremo en Google Cloud Platform Vertex AI para operaciones de aprendizaje automático (MLOps).

BharatMLStack es una pila de infraestructura de aprendizaje automático de código abierto y de extremo a extremo, creada en Meesho para soportar cargas de trabajo de ML en tiempo real y por lotes a escala de Bharat

Plantilla Cookiecutter para proyectos FastAPI que utiliza: Machine Learning, uv, GitHub Actions y Pytests

Una hoja de ruta de Full Stack ML (Machine Learning) que abarca el aprendizaje de las habilidades y tecnologías necesarias para dominar todos los aspectos del aprendizaje automático, incluyendo la recopilación y preprocesamiento de datos, desarrollo de modelos, despliegue y mantenimiento.

Ollama para modelos de ML clásico. Compilador AOT que convierte modelos de XGBoost, LightGBM, scikit-learn, CatBoost y ONNX en código de inferencia C99 nativo. Un comando para cargar, un comando para servir. 336 veces más rápido que la inferencia en Python.

Curso de aprendizaje automático sin servidor para construir servicios de predicción habilitados por IA a partir de modelos y características

Aceleradores de soluciones Azure MLOps (v2). Plantillas listas para empresas para implementar sus modelos de aprendizaje automático en la plataforma Azure.