mlops

🔥 一个能在你睡觉时 24/7 自动执行深度学习实验的自主 AI agent。零成本监控、领导者-工作者架构、固定大小内存。

让数据湖适用于时间序列数据

数据工程与机器学习知识中心

高效深度学习系统课程教材

一个开源的 ML pipeline 开发平台

🌀 𝗧𝗵𝗲 𝗙𝘂𝗹𝗹 𝗦𝘁𝗮𝗰𝗸 𝟳-𝗦𝘁𝗲𝗽𝘀 𝗠𝗟𝗢𝗽𝘀 𝗙𝗿𝗮𝗺𝗲𝘄𝗼𝗿𝗸 | 通过设计、构建与部署端到端 ML 批处理系统免费学习 𝗠𝗟𝗘 与 𝗠𝗟𝗢𝗽𝘀 ～ 源码 + 2.5 小时的阅读与视频素材

CodeProject.AI Server 是一个独立的服务，软件开发人员可以将其纳入应用程序中并随之分发，以利用 AI 的强大功能来增强应用程序。

以 RLOps 简化强化学习。搭载最先进的 RL 算法与工具，通过进化式超参数优化实现快 10 倍的训练速度。

🧠 Motorhead 是一个用于 LLM 的记忆与信息检索服务器。

高性能的 ML 模型服务框架，提供动态批处理和 CPU/GPU 流水线以充分发挥算力

用于建构 AI 应用程序的 PostgreSQL 向量数据库扩充功能

通过 10 个步骤训练并部署 ML REST API 来预测加密货币价格。

为期 10 周、每天 30 分钟的 LLM 推理服务与优化学习蓝图。包含 vLLM、SGLang、量化、推测解码、性能评测。

LightlyStudio - 用于多模态 ML 的统一数据平台

Neum AI 是一套同级最佳的框架，用于大规模管理向量嵌入的创建与同步。

在几分钟内于本地或远程部署任何 AI 模型、Agent、数据库、RAG 和 pipeline。

深度学习云服务商列表

笔记本、代码示例、示例应用程序及其他资源，展示如何使用 Google Cloud Vertex AI 开发与管理机器学习及生成式 AI 工作流程。

学习如何创建、开发和维护先进的 MLOps 代码库

开源数据注释与标记工具

NucliaDB，用于 RAG 的 AI 搜索数据库

此仓库提供一个可自定义的堆栈，用于在 Databricks 上启动符合生产环境最佳实践的新 ML 项目。

Google Cloud Platform Vertex AI 端到端机器学习运维工作流程

BharatMLStack 是 Meesho 构建的开源端到端机器学习基础设施堆栈，旨在支持 Bharat 规模的实时与批次 ML 工作负载。

使用机器学习、uv、Github Actions 与 Pytests 的 FastAPI 项目 Cookiecutter 模板

全端机器学习（ML）路线图涵盖成为机器学习各方面专家所需的技能与技术，包含数据收集与预处理、模型开发、部署与维护。

针对传统 ML 模型的 Ollama。能将 XGBoost、LightGBM、scikit-learn、CatBoost 与 ONNX 模型转为原生 C99 推论代码的 AOT 编译器。只需一个指令加载、一个指令提供服务。比 Python 推论快 336 倍。

无服务器机器学习课程，用于从模型与特征构建具备 AI 功能的预测服务

Azure MLOps (v2) 解决方案加速器。可在 Azure 平台上部署机器学习模型的企业级就绪模板。