mlops

学习如何开发、部署并迭代生产级 ML 应用

Apache Airflow - 一个以程序方式编写、调度与监控工作流的平台

Qdrant - 高性能、大规模向量数据库与向量搜索引擎，适用于下一代 AI。亦提供云端服务 https://cloud.qdrant.io/

Label Studio 是一款多类型数据标注与注释工具，具标准化输出格式

开源 AI 工程平台，支持代理、LLM 与机器学习模型。MLflow 使各种规模的团队能够调试、评估、监控和优化生产级 AI 应用，同时控制成本并管理模型和数据的访问。

☁️ 使用云原生堆栈构建多模态 AI 应用

端到端、代码优先的教程，教您构建生产级别的生成式 AI 代理，从原型到企业部署。

精选的开源库列表，帮助部署、监控、版本管理与扩展机器学习系统。

将数据与 AI 算法快速转换为可投入生产的 Web 应用程序

机器学习工程开放手册

点亮 AI 代理的绝佳训练器。

Kubernetes 工作流引擎

Weaviate 是一个开源向量数据库，能同时存储对象与向量，结合向量搜索与结构化过滤，并具备云原生数据库的容错与可扩展性

用于数据资产开发、部署与观测的编排平台

DataTalks.Club 提供的免费 MLOps 课程

精选的 MLOps 参考资源列表

在云端将任何开源 LLM（如 DeepSeek、Llama）作为兼容 OpenAI 的 API 端点运行。

随时了解数据的预期表现。

AI 开发者平台，使用 Weights & Biases 进行模型训练与微调，并从实验到部署全流程管理模型。

Kedro 是一套适用于生产环境的数据科学工具箱。它采用软件工程最佳实践，帮助创建可重现、可维护且模块化的数据工程和数据科学流水线。

示范如何使用 Amazon SageMaker 构建、训练与部署机器学习模型的 Jupyter Notebook 示例 📓 🧠

前沿团队的 AI 计算平台。SkyPilot 将分散的 AI 计算整合为一台 AI 超级计算机，让前沿 AI 团队更快构建定制智能

构建、管理与部署 AI/ML 系统

开源、低代码的 Python AutoML 平台。PyCaret 4.0：原生 sklearn 引擎 + React 控制平面

Deeplake 是为代理设计的 AI 数据运行时。它提供无服务器的 Postgres 与多模态数据湖，实现可扩展的检索和训练。

最简便的 AI 应用与模型服务方式 ─ 构建模型推理 API、作业队列、LLM 应用、多模型流水线等

Evidently 是一个开源 ML 与 LLM 可观测性框架。评估、测试并监控任何 AI 驱动的系统或数据管道。来自表格数据到 Gen AI。100+ 指标。

动态且具弹性的 AI 编排。在构建 AI 工作流时协调数据、模型和计算资源。

AI/ML 的开源特征库（Feature Store）

Open Lakehouse Format 用于多模态 AI，两行代码即可将 Parquet 转换，速度提升 100 倍，支持 Pandas、DuckDB、Polars、Pyarrow 与 PyTorch，未来将加入更多整合