ดาวน์โหลด awesome mlops - ดาวน์โหลดซอร์สโค้ด awesome mlops

awesome mlops

ซอร์สโค้ดอื่น ๆ

1.0.0

ดาวน์โหลด

mlops ที่ยอดเยี่ยม

รายการเครื่องมือ MLOPS ที่ยอดเยี่ยม

แรงบันดาลใจจากสุดยอด Python

mlops ที่ยอดเยี่ยม
- อัตโนมัติ
- CI/CD สำหรับการเรียนรู้ของเครื่องจักร
- การตรวจสอบงาน cron
- แคตตาล็อกข้อมูล
- การเพิ่มประสิทธิภาพข้อมูล
- การสำรวจข้อมูล
- การจัดการข้อมูล
- การประมวลผลข้อมูล
- การตรวจสอบข้อมูล
- การสร้างภาพข้อมูล
- การตรวจจับดริฟท์
- วิศวกรรมคุณลักษณะ
- ร้านค้าคุณสมบัติ
- การปรับจูนพารามิเตอร์
- การแบ่งปันความรู้
- แพลตฟอร์มการเรียนรู้ของเครื่องจักร
- โมเดลความยุติธรรมและความเป็นส่วนตัว
- ความสามารถในการตีความแบบจำลอง
- Model Lifecycle
- การให้บริการแบบจำลอง
- การทดสอบแบบจำลองและการตรวจสอบความถูกต้อง
- เครื่องมือเพิ่มประสิทธิภาพ
- เครื่องมือทำให้เข้าใจง่าย
- การวิเคราะห์ด้วยภาพและการดีบัก
- เครื่องมือเวิร์กโฟลว์
ทรัพยากร
- บทความ
- หนังสือ
- เหตุการณ์
- รายการอื่น ๆ
- พอดคาสต์
- หย่อน
- เว็บไซต์
การบริจาค

อัตโนมัติ

เครื่องมือสำหรับการดำเนินการ AutomL

Autogluon-การเรียนรู้ของเครื่องอัตโนมัติสำหรับรูปภาพ, ข้อความ, ตาราง, อนุกรมเวลาและข้อมูลหลายโหมด
Autokeras - เป้าหมาย Autokeras คือการทำให้การเรียนรู้ของเครื่องสามารถเข้าถึงได้สำหรับทุกคน
AutopyTorch - การค้นหาสถาปัตยกรรมอัตโนมัติและการเพิ่มประสิทธิภาพ hyperparameter สำหรับ pytorch
AutoSklearn-ชุดเครื่องมือการเรียนรู้ของเครื่องอัตโนมัติและการเปลี่ยนแบบเลื่อนลงสำหรับตัวประมาณ Scikit-learn
EvalML - ไลบรารีที่สร้างเพิ่มประสิทธิภาพและประเมินท่อ ML โดยใช้ฟังก์ชั่นเฉพาะโดเมน
FLAML - ค้นหารุ่น ML ที่แม่นยำโดยอัตโนมัติมีประสิทธิภาพและเศรษฐกิจ
H2O Automl - ML Workflow อัตโนมัติซึ่งรวมถึงการฝึกอบรมอัตโนมัติและการปรับแต่งรุ่น
MindSDB - เลเยอร์ AI สำหรับฐานข้อมูลที่ช่วยให้คุณพัฒนาฝึกอบรมและปรับใช้โมเดล ML ได้อย่างง่ายดาย
MLBOX - MLBOX เป็นไลบรารี Python ของเครื่องจักรอัตโนมัติที่ทรงพลัง
การค้นหาแบบจำลอง - เฟรมเวิร์กที่ใช้อัลกอริทึมอัตโนมัติสำหรับการค้นหาสถาปัตยกรรมแบบจำลองในระดับ
NNI - ชุดเครื่องมือ Open Source Automl สำหรับการเรียนรู้ Lifecycle การเรียนรู้ของเครื่องโดยอัตโนมัติ

CI/CD สำหรับการเรียนรู้ของเครื่องจักร

เครื่องมือสำหรับการดำเนินการ CI/CD สำหรับการเรียนรู้ของเครื่อง

ClearML - CI/CD อัตโนมัติเพื่อปรับปรุงเวิร์กโฟลว์ ML ของคุณ
CML - ไลบรารีโอเพนซอร์ซสำหรับการใช้งาน CI/CD ในโครงการเรียนรู้ของเครื่อง
Kitops - โครงการ MLOPS โอเพ่นซอร์สที่ช่วยลดการส่งแบบจำลองระหว่างนักวิทยาศาสตร์ข้อมูลและ DevOps

การตรวจสอบงาน cron

เครื่องมือสำหรับการตรวจสอบงาน cron (งานที่เกิดขึ้นซ้ำ)

Cronitor - ตรวจสอบงาน cron หรืองานที่กำหนด
Healthchecksio - การตรวจสอบงานโครนที่เรียบง่ายและมีประสิทธิภาพ

แคตตาล็อกข้อมูล

เครื่องมือสำหรับการจัดทำแคตตาล็อกข้อมูล

Amundsen - Data Discovery และ Metadata Engine สำหรับการปรับปรุงประสิทธิภาพการทำงานเมื่อมีปฏิสัมพันธ์กับข้อมูล
Apache Atlas - ให้ความสามารถในการจัดการข้อมูลเมตาและการกำกับดูแลที่เปิดกว้างเพื่อสร้างแคตตาล็อกข้อมูล
CKAN - DMS โอเพนซอร์ซ (ระบบการจัดการข้อมูล) สำหรับการเพิ่มพลังฮับข้อมูลและพอร์ทัลข้อมูล
Datahub - เครื่องมือค้นหาข้อมูลเมตาและการค้นหาข้อมูลเมตาของ LinkedIn
MAGDA - แคตตาล็อกข้อมูลแบบสหพันธรัฐโอเพ่นซอร์สสำหรับข้อมูลขนาดใหญ่และข้อมูลขนาดเล็กทั้งหมดของคุณ
METACAT - การสำรวจข้อมูลเมตาการสำรวจ API แบบครบวงจรสำหรับ Hive, RDS, Teradata, Redshift, S3 และ Cassandra
OpenMetadata - สถานที่เดียวที่จะค้นพบทำงานร่วมกันและทำให้ข้อมูลของคุณถูกต้อง

การเพิ่มประสิทธิภาพข้อมูล

เครื่องมือและห้องสมุดสำหรับการเพิ่มประสิทธิภาพข้อมูล

Snorkel - ระบบสำหรับการสร้างข้อมูลการฝึกอบรมอย่างรวดเร็วด้วยการกำกับดูแลที่อ่อนแอ
Upgini - เพิ่มคุณค่าชุดข้อมูลการฝึกอบรมด้วยคุณสมบัติจากแหล่งข้อมูลสาธารณะและชุมชนที่ใช้ร่วมกัน

การสำรวจข้อมูล

เครื่องมือสำหรับการสำรวจข้อมูล

Apache Zeppelin - เปิดใช้งานการวิเคราะห์ข้อมูลแบบโต้ตอบข้อมูลแบบโต้ตอบและเอกสารการทำงานร่วมกัน
Bamboolib - GUI ที่ใช้งานง่ายสำหรับ pandas dataframes
DataPrep - รวบรวมทำความสะอาดและแสดงภาพข้อมูลของคุณใน Python
Google Colab - โฮสต์บริการสมุดบันทึก Jupyter ที่ไม่ต้องใช้การตั้งค่า
Jupyter Notebook - สภาพแวดล้อมสมุดบันทึกบนเว็บสำหรับการคำนวณแบบโต้ตอบ
JUPYTERLAB - ส่วนต่อประสานผู้ใช้รุ่นต่อไปสำหรับโครงการ JUPYTER
JUPYTEXT - สมุดบันทึก Jupyter เป็นเอกสาร Markdown, Julia, Python หรือ R
การทำโปรไฟล์ Pandas - สร้างรายงานการทำโปรไฟล์ HTML จากวัตถุ Pandas Dataframe
Polynote - สมุดบันทึก Polyglot ที่รองรับ Scala ชั้นหนึ่ง

การจัดการข้อมูล

เครื่องมือสำหรับการจัดการข้อมูล

Arrikto - Dead Simple ที่จัดเก็บเร็วเป็นพิเศษสำหรับ Hybrid Kubernetes World
BlazingsQl - เครื่องยนต์ SQL ที่มีน้ำหนักเบา, GPU, SQL สำหรับ Python สร้างขึ้นบน Rapids Cudf
Delta Lake - ชั้นจัดเก็บที่นำเสนอธุรกรรมกรดที่ปรับขนาดได้ไปยัง Apache Spark และเครื่องยนต์อื่น ๆ
ฐานข้อมูล DOLT - SQL ที่คุณสามารถแยก, โคลน, สาขา, ผสาน, กดและดึงเหมือนที่เก็บ GIT
DUD - เครื่องมือ CLI ที่มีน้ำหนักเบาสำหรับการกำหนดเวอร์ชันข้อมูลควบคู่ไปกับซอร์สโค้ดและการสร้างท่อข้อมูล
DVC - การจัดการและการกำหนดเวอร์ชันของชุดข้อมูลและรูปแบบการเรียนรู้ของเครื่อง
Git LFS - ส่วนขยาย Git โอเพนซอร์สสำหรับการกำหนดเวอร์ชันไฟล์ขนาดใหญ่
ฮับ - รูปแบบชุดข้อมูลสำหรับการสร้างจัดเก็บและทำงานร่วมกันในชุดข้อมูล AI ทุกขนาด
ไอดี - ชุดเครื่องมือที่มีน้ำหนักเบาสำหรับการโหลดและแบ่งปันข้อมูลในโครงการวิทยาศาสตร์ข้อมูล
Lakefs - Data Lake ที่ทำซ้ำได้อะตอมและเวอร์ชันที่อยู่ด้านบนของการจัดเก็บวัตถุ
Marquez - รวบรวมรวมและแสดงภาพข้อมูลเมตาของระบบนิเวศของข้อมูล
MILVUS - เครื่องมือค้นหาความคล้ายคลึงกันของเวกเตอร์โอเพ่นซอร์ส
Pinecone - การค้นหาความคล้ายคลึงกันของเวกเตอร์ที่จัดการและแจกจ่ายที่ใช้กับ SDK ที่มีน้ำหนักเบา
QDRANT - เครื่องมือค้นหาความคล้ายคลึงกันของเวกเตอร์โอเพ่นซอร์สพร้อมการสนับสนุนการกรองแบบขยาย
Quilt - ศูนย์ข้อมูลการจัดระเบียบตัวเองพร้อมการสนับสนุน S3

การประมวลผลข้อมูล

เครื่องมือที่เกี่ยวข้องกับการประมวลผลข้อมูลและท่อข้อมูล

Airflow - แพลตฟอร์มสำหรับผู้เขียนกำหนดเวลาและตรวจสอบเวิร์กโฟลว์
AZKABAN - BATCH WORKFLOW กำหนดตารางงานที่สร้างขึ้นที่ LinkedIn เพื่อรัน Hadoop Jobs
Dagster - นักออร์เคสเตอร์ข้อมูลสำหรับการเรียนรู้ของเครื่องวิเคราะห์และ ETL
Hadoop - เฟรมเวิร์กที่ช่วยให้การประมวลผลแบบกระจายของชุดข้อมูลขนาดใหญ่ทั่วทั้งกลุ่ม
OpenRefine - เครื่องมือไฟฟ้าสำหรับการทำงานกับข้อมูลที่ยุ่งเหยิงและปรับปรุง
Spark - unified Analytics Engine สำหรับการประมวลผลข้อมูลขนาดใหญ่

การตรวจสอบข้อมูล

เครื่องมือที่เกี่ยวข้องกับการตรวจสอบข้อมูล

Cerberus - ไลบรารีการตรวจสอบข้อมูลที่มีน้ำหนักเบาและขยายได้สำหรับ Python
CleanLab-Library Python สำหรับข้อมูล AI ที่เน้นข้อมูลเป็นศูนย์กลางและการเรียนรู้ของเครื่องด้วยข้อมูลและฉลากที่ยุ่งเหยิง
ความคาดหวังที่ยอดเยี่ยม - กรอบการตรวจสอบข้อมูล Python ที่อนุญาตให้ทดสอบข้อมูลของคุณกับชุดข้อมูล
JSON SCHEMA - คำศัพท์ที่ช่วยให้คุณสามารถใส่คำอธิบายประกอบและตรวจสอบเอกสาร JSON
TFDV - ห้องสมุดสำหรับการสำรวจและตรวจสอบความถูกต้องของข้อมูลการเรียนรู้ของเครื่อง

การสร้างภาพข้อมูล

เครื่องมือสำหรับการสร้างภาพข้อมูลรายงานและแดชบอร์ด

Count-เครื่องมือค้นหาและการตรวจสอบ SQL/Drag-and-Drop ตามสมุดบันทึก
DASH - แอปวิเคราะห์เว็บสำหรับ Python, R, Julia และ Jupyter
Data Studio - โซลูชันการรายงานสำหรับผู้ใช้พลังงานที่ต้องการไปไกลกว่าข้อมูลและแดชบอร์ดของ GA
facets - การสร้างภาพเพื่อทำความเข้าใจและวิเคราะห์ชุดข้อมูลการเรียนรู้ของเครื่อง
Grafana - การวิเคราะห์โอเพ่นซอร์สหลายแพลตฟอร์มและเว็บแอปพลิเคชันการสร้างภาพข้อมูลแบบโต้ตอบ
LUX - การสำรวจข้อมูลที่ง่ายและง่ายดายโดยอัตโนมัติโดยอัตโนมัติกระบวนการวิเคราะห์ข้อมูลและการวิเคราะห์ข้อมูล
Metabase - วิธีที่ง่ายที่สุดและเร็วที่สุดในการรับ Business Intelligence และ Analytics ให้กับทุกคน
Redash - เชื่อมต่อกับแหล่งข้อมูลใด ๆ แสดงภาพแดชบอร์ดและแบ่งปันข้อมูลของคุณได้อย่างง่ายดาย
SOLIDUI - แพลตฟอร์มการสร้างภาพและแก้ไขการสร้างภาพข้อมูล AI -Generated รองรับโมเดล 2D และ 3D
Superset - แอปพลิเคชั่นเว็บอัจฉริยะที่ทันสมัยและพร้อมใช้งาน
Tableau - เครื่องมือสร้างภาพข้อมูลข้อมูลที่มีประสิทธิภาพและเติบโตเร็วที่สุดที่ใช้ในอุตสาหกรรมระบบธุรกิจอัจฉริยะ

การตรวจจับดริฟท์

เครื่องมือและห้องสมุดที่เกี่ยวข้องกับการตรวจจับดริฟท์

Alibi Detect - ห้องสมุด Python โอเพนซอร์สที่มุ่งเน้นไปที่การตรวจจับที่ผิดพลาด
FROUROS - ไลบรารี Python โอเพนซอร์สสำหรับการตรวจจับดริฟท์ในระบบการเรียนรู้ของเครื่อง
TORCHDRIFT - ห้องสมุดข้อมูลและแนวคิดดริฟท์สำหรับ Pytorch

วิศวกรรมคุณลักษณะ

เครื่องมือและห้องสมุดที่เกี่ยวข้องกับวิศวกรรมคุณลักษณะ

เอ็นจิ้นคุณสมบัติ - แพ็คเกจวิศวกรรมคุณสมบัติพร้อมฟังก์ชั่น Sklearn เช่นฟังก์ชั่น
FeatureTools - Library Python สำหรับวิศวกรรมคุณลักษณะอัตโนมัติ
TSFRESH - Library Python สำหรับการแยกคุณสมบัติที่เกี่ยวข้องโดยอัตโนมัติจากอนุกรมเวลา

ร้านค้าคุณสมบัติ

คุณลักษณะที่เก็บเครื่องมือสำหรับการให้บริการข้อมูล

Butterfree - เครื่องมือสำหรับการสร้างร้านค้าคุณสมบัติ แปลงข้อมูลดิบของคุณให้เป็นคุณสมบัติที่สวยงาม
Bytehub-ร้านค้าคุณสมบัติที่ใช้งานง่าย ปรับให้เหมาะสมสำหรับข้อมูลอนุกรมเวลา
งานเลี้ยง-ร้านค้าโอเพ่นซอร์สแบบครบวงจรสำหรับการเรียนรู้ของเครื่อง
Feathr - ร้านค้าคุณสมบัติระดับองค์กรระดับสูง
FeatureForm - ร้านค้าคุณสมบัติเสมือนจริง เปลี่ยนโครงสร้างพื้นฐานข้อมูลที่มีอยู่ของคุณให้กลายเป็นร้านค้าคุณลักษณะ
Tecton - แพลตฟอร์มคุณลักษณะที่มีการจัดการอย่างเต็มที่ที่สร้างขึ้นเพื่อจัดเรียงวงจรชีวิตที่สมบูรณ์ของคุณสมบัติ

การปรับจูนพารามิเตอร์

เครื่องมือและห้องสมุดเพื่อทำการปรับแต่งพารามิเตอร์

ที่ปรึกษา - การใช้งานโอเพ่นซอร์สของ Google Vizier สำหรับการปรับค่าพารามิเตอร์ไฮเปอร์
Hyperas - wrapper ง่ายมากสำหรับการเพิ่มประสิทธิภาพพารามิเตอร์ hyperparameter ที่สะดวก
Hyperopt - การเพิ่มประสิทธิภาพ hyperparameter แบบอะซิงโครนัสแบบอะซิงโครนัสใน Python
Katib - ระบบที่ใช้ Kubernetes สำหรับการปรับแต่งพารามิเตอร์และการค้นหาสถาปัตยกรรมระบบประสาท
Kerastuner-กรอบการเพิ่มประสิทธิภาพแบบไฮเปอร์พารามิเตอร์ที่ใช้งานง่ายและปรับขนาดได้ง่าย
Optuna - เฟรมเวิร์กการเพิ่มประสิทธิภาพพารามิเตอร์แบบโอเพนซอร์สเพื่อทำการค้นหาแบบไฮเปอร์พารามิเตอร์โดยอัตโนมัติ
Scikit Optimize - ไลบรารีที่เรียบง่ายและมีประสิทธิภาพเพื่อลดฟังก์ชั่นกล่องดำที่มีราคาแพงและมีเสียงดัง
TALOS - การเพิ่มประสิทธิภาพ HyperParameter สำหรับ Tensorflow, Keras และ Pytorch
TUNE - Library Python สำหรับการดำเนินการทดลองและการปรับจูนไฮเปอร์พารามิเตอร์ในทุกระดับ

การแบ่งปันความรู้

เครื่องมือสำหรับการแบ่งปันความรู้ให้กับทีม/บริษัท ทั้งหมด

ความรู้ repo - แพลตฟอร์มการแบ่งปันความรู้สำหรับนักวิทยาศาสตร์ด้านข้อมูลและวิชาชีพด้านเทคนิคอื่น ๆ
KYSO - สถานที่เดียวสำหรับข้อมูลเชิงลึกเพื่อให้ทีมงานของคุณสามารถเรียนรู้จากข้อมูลของคุณได้

แพลตฟอร์มการเรียนรู้ของเครื่องจักร

โซลูชันแพลตฟอร์มการเรียนรู้ของเครื่องจักรที่สมบูรณ์

AIWare - Aiware ช่วยทีม MLOPS ประเมินปรับใช้รวมปรับขนาดและตรวจสอบ ML โมเดล
อัลกอริทึม - ควบคุมการเรียนรู้ของเครื่องจักรของคุณอย่างปลอดภัยด้วยวงจรชีวิต ML ที่ดีต่อสุขภาพ
Allegro AI - แปลงการวิจัย ML/DL เป็นผลิตภัณฑ์ เร็วขึ้น.
Bodywork - ปรับใช้โครงการเรียนรู้ของเครื่องจักรที่พัฒนาขึ้นใน Python ไปยัง Kubernetes
CNVRG-แพลตฟอร์มการเรียนรู้ของเครื่องแบบ end-to-end เพื่อสร้างและปรับใช้โมเดล AI ในระดับ
DAGSHUB - แพลตฟอร์มที่สร้างขึ้นบนเครื่องมือโอเพ่นซอร์สสำหรับข้อมูลโมเดลและการจัดการท่อ
DataIku - แพลตฟอร์มประชาธิปไตยเข้าถึงข้อมูลและทำให้องค์กรสร้างเส้นทางของตนเองไปยัง AI
Datarobot-แพลตฟอร์ม AI ที่ทำให้วิทยาศาสตร์ข้อมูลเป็นประชาธิปไตยและทำให้ ML แบบ end-to-end โดยอัตโนมัติ
Domino - สถานที่เดียวสำหรับเครื่องมือวิทยาศาสตร์ข้อมูลแอพผลลัพธ์โมเดลและความรู้ของคุณ
Edge Impulse - แพลตฟอร์มสำหรับการสร้างเพิ่มประสิทธิภาพและการปรับใช้อัลกอริทึม AI/ML สำหรับอุปกรณ์ขอบ
Envd - สภาพแวดล้อมการพัฒนาการเรียนรู้ของเครื่องสำหรับวิทยาศาสตร์ข้อมูลและทีมวิศวกรรม AI/ML
FEDML - ทำให้ขั้นตอนการทำงานของการเรียนรู้แบบรวมง่ายขึ้นทุกที่ทุกที่
การไล่ระดับสี - แพลตฟอร์ม Multicloud CI/CD และ MLOPS สำหรับทีมการเรียนรู้ของเครื่อง
H2O - ผู้นำโอเพ่นซอร์สใน AI ด้วยภารกิจในการทำให้เป็นประชาธิปไตย AI สำหรับทุกคน
HOPSWORKS - แพลตฟอร์มโอเพ่นซอร์สสำหรับการพัฒนาและการดำเนินงานของเครื่องจักรการเรียนรู้ในระดับ
IGUAZIO-แพลตฟอร์มวิทยาศาสตร์ข้อมูลที่ทำให้ MLOPS อัตโนมัติด้วยท่อการเรียนรู้แบบครบวงจร
KATONIC - ทำให้วงจรความฉลาดของคุณเป็นไปโดยอัตโนมัติด้วยแพลตฟอร์ม Katonic MLOPS
Knime - สร้างและผลิตวิทยาศาสตร์ข้อมูลโดยใช้สภาพแวดล้อมที่ง่ายและใช้งานง่าย
Kubeflow - การปรับใช้เวิร์กโฟลว์ ML บน Kubernetes ง่ายพกพาและปรับขนาดได้
Lynxkite - แพลตฟอร์มวิทยาศาสตร์ข้อมูลกราฟที่สมบูรณ์สำหรับกราฟที่มีขนาดใหญ่มากและชุดข้อมูลอื่น ๆ
ML Workspace-IDE บนเว็บแบบ All-in-One ที่เชี่ยวชาญสำหรับการเรียนรู้ของเครื่องและวิทยาศาสตร์ข้อมูล
MLREEF - แพลตฟอร์มโอเพนซอร์ส MLOPS ที่ช่วยให้คุณทำงานร่วมกันทำซ้ำและแบ่งปันงาน ML ของคุณ
โมเดล Modzy - ปรับใช้, เชื่อมต่อ, เรียกใช้และตรวจสอบโมเดลการเรียนรู้ของเครื่อง (ML) ในองค์กรและที่ขอบ
Neu.ro-แพลตฟอร์ม MLOPS ที่รวมเครื่องมือโอเพนซอร์ซและกรรมสิทธิ์เข้ากับระบบที่มุ่งเน้นลูกค้า
Omnimizer - ช่วยลดความซับซ้อนและเร่ง Mlops โดยการลดช่องว่างระหว่างรุ่น ML และฮาร์ดแวร์ขอบ
Pachyderm-รวมสายเลือดข้อมูลเข้ากับท่อส่งข้อมูลแบบ end-to-end บน Kubernetes ซึ่งออกแบบมาสำหรับองค์กร
Polyaxon - แพลตฟอร์มสำหรับการเรียนรู้ของเครื่องที่ทำซ้ำได้และปรับขนาดได้และการเรียนรู้อย่างลึกซึ้งเกี่ยวกับ Kubernetes
SAGEMAKER - บริการที่มีการจัดการอย่างเต็มที่ซึ่งให้ความสามารถในการสร้างฝึกอบรมและปรับใช้โมเดล ML ได้อย่างรวดเร็ว
SAS VIYA - แพลตฟอร์ม AI Native Native, Analytic และ Data Management ซึ่งรองรับวงจรชีวิตการวิเคราะห์
Sematic-เครื่องมือท่อส่งก๊าซแบบ end-to-end โอเพนซอร์ซเพื่อเปลี่ยนจากต้นแบบแล็ปท็อปไปจนถึงคลาวด์ในเวลาไม่นาน
SIGOPT - แพลตฟอร์มที่ทำให้ง่ายต่อการติดตามการทำงานแสดงภาพการฝึกอบรมและการปรับระดับไฮเปอร์พารามิเตอร์
TrueFoundry - แพลตฟอร์ม MLOPS บนคลาวด์เหนือ Kubernetes เพื่อลดความซับซ้อนของการฝึกอบรมและการให้บริการรุ่น ML
Valohai - นำคุณจาก POC ไปสู่การผลิตในขณะที่จัดการวงจรชีวิตรุ่นทั้งหมด

โมเดลความยุติธรรมและความเป็นส่วนตัว

เครื่องมือสำหรับการแสดงความเป็นธรรมและความเป็นส่วนตัวในการผลิต

AIF360 - ชุดตัวชี้วัดความเป็นธรรมที่ครอบคลุมสำหรับชุดข้อมูลและรูปแบบการเรียนรู้ของเครื่อง
Fairlearn - แพ็คเกจ Python เพื่อประเมินและปรับปรุงความเป็นธรรมของแบบจำลองการเรียนรู้ของเครื่อง
Opacus - ห้องสมุดที่ช่วยให้โมเดล Pytorch ฝึกอบรมที่มีความเป็นส่วนตัวที่แตกต่างกัน
Tensorflow Privacy - ห้องสมุดสำหรับการฝึกอบรมแบบจำลองการเรียนรู้ด้วยความเป็นส่วนตัวสำหรับข้อมูลการฝึกอบรม

ความสามารถในการตีความแบบจำลอง

เครื่องมือสำหรับการดำเนินการตีความรูปแบบ/การอธิบายได้

Alibi - ห้องสมุด Python โอเพนซอร์สเปิดใช้งานการตรวจสอบและการตีความแบบจำลอง ML
Captum - การตีความแบบจำลองและความเข้าใจในห้องสมุดสำหรับ Pytorch
ELI5 - แพ็คเกจ Python ซึ่งช่วยในการแก้ไขข้อบกพร่องของเครื่องแยกประเภทการเรียนรู้ของเครื่องและอธิบายการคาดการณ์ของพวกเขา
ตีความ ML - ชุดเครื่องมือเพื่อช่วยให้เข้าใจแบบจำลองและเปิดใช้งานการเรียนรู้ของเครื่องที่รับผิดชอบ
มะนาว - อธิบายการคาดการณ์ของตัวจําแนกการเรียนรู้ของเครื่องใด ๆ
Lucid - การรวบรวมโครงสร้างพื้นฐานและเครื่องมือสำหรับการวิจัยในการตีความเครือข่ายประสาท
SAGE - สำหรับการคำนวณความสำคัญของคุณลักษณะทั่วโลกโดยใช้ค่า Shapley
SHAP - แนวทางทฤษฎีเกมเพื่ออธิบายผลลัพธ์ของรูปแบบการเรียนรู้ของเครื่องใด ๆ

Model Lifecycle

เครื่องมือสำหรับการจัดการวงจรชีวิตรุ่น (การทดลองติดตามพารามิเตอร์และตัวชี้วัด)

Aeromancy - กรอบการทำงานสำหรับการทำ AI และ ML ที่ทำซ้ำได้สำหรับน้ำหนักและอคติ
AIM - วิธีที่ง่ายที่สุดในการบันทึกค้นหาและเปรียบเทียบการฝึกอบรม ML 1,000 วินาที
Cascade - ห้องสมุดเครื่องมือวิศวกรรม ML สำหรับการสร้างต้นแบบและการจัดการการทดลองอย่างรวดเร็ว
Comet - ติดตามชุดข้อมูลของคุณการเปลี่ยนแปลงรหัสประวัติการทดลองและโมเดล
Guild AI - การติดตามการทดลองแบบโอเพนซอร์สระบบอัตโนมัติไปป์ไลน์และการปรับแต่งพารามิเตอร์ไฮเปอร์พารามิเตอร์
ของที่ระลึก - การควบคุมเวอร์ชันสำหรับการเรียนรู้ของเครื่องด้วยการสนับสนุนของ Amazon S3 และ Google Cloud Storage
Losswise - ทำให้ง่ายต่อการติดตามความคืบหน้าของโครงการการเรียนรู้ของเครื่อง
MLFLOW - แพลตฟอร์มโอเพ่นซอร์สสำหรับวงจรการเรียนรู้ของเครื่อง
ModelDB - การกำหนดเวอร์ชัน ML Open Source ML, ข้อมูลเมตาและการจัดการการทดลอง
Neptune AI - เครื่องมือการจัดการการทดลองที่มีน้ำหนักเบาที่สุดที่เหมาะกับเวิร์กโฟลว์ใด ๆ
Sacred - เครื่องมือที่จะช่วยคุณกำหนดค่าจัดระเบียบบันทึกและทำซ้ำการทดลอง
น้ำหนักและอคติ - เครื่องมือในการแสดงภาพและติดตามการทดลองการเรียนรู้ของเครื่องของคุณ

การให้บริการแบบจำลอง

เครื่องมือสำหรับการให้บริการรุ่นในการผลิต

Banana - โฮสต์รหัสการอนุมาน ML ของคุณบน GPU ที่ไม่มีเซิร์ฟเวอร์และรวมเข้ากับแอพของคุณด้วยรหัสบรรทัดเดียว
Beam - พัฒนาบน GPU ที่ไม่มีเซิร์ฟเวอร์ปรับใช้ API ที่มีประสิทธิภาพสูงและรุ่น ML ต้นแบบอย่างรวดเร็ว
Bentoml-แพลตฟอร์มโอเพ่นซอร์สสำหรับการให้บริการ ML แบบจำลองประสิทธิภาพสูง
BudgetML - ปรับใช้บริการการอนุมาน ML ในงบประมาณในรหัสน้อยกว่า 10 บรรทัด
COG-เครื่องมือโอเพนซอร์ซที่ให้คุณจัดทำโมเดล ML ในคอนเทนเนอร์มาตรฐานพร้อมการผลิต
Cortex - โครงสร้างพื้นฐานการเรียนรู้ของเครื่องจักรที่ให้บริการโครงสร้างพื้นฐาน
Geniusrise - APIs การอนุมานโฮสต์การอนุมานจำนวนมากและข้อความปรับแต่ง, การมองเห็น, เสียง, เสียงและโมเดลหลายโมเดล
Gradio - สร้างส่วนประกอบ UI ที่ปรับแต่งได้รอบโมเดลของคุณ
GraphPipe - การปรับใช้รูปแบบการเรียนรู้ของเครื่องทำได้ง่าย
Hydrosphere - แพลตฟอร์มสำหรับการปรับใช้การเรียนรู้ของเครื่องเพื่อการผลิต
KFServing - Kubernetes นิยามทรัพยากรที่กำหนดเองสำหรับการให้บริการแบบจำลอง ML บนกรอบการทำงานโดยพลการ
Localai - REST REST Drop -In REST API ที่เข้ากันได้กับข้อกำหนดของ OpenAI API สำหรับการอนุมาน
Merlin - แพลตฟอร์มสำหรับการปรับใช้และให้บริการรูปแบบการเรียนรู้ของเครื่อง
MLEM - เวอร์ชันและปรับใช้โมเดล ML ของคุณตามหลักการ Gitops
Opyrator - เปลี่ยนรหัส ML ของคุณให้เป็นไมโครเซิร์ตด้วย Web API, GUI แบบอินเทอร์แอคทีฟและอื่น ๆ
Predictionio - การรวบรวมเหตุการณ์การปรับใช้อัลกอริทึมการประเมินผลการสอบถามผลการทำนายผ่าน API
Quix - แพลตฟอร์ม Serverless สำหรับการประมวลผลสตรีมข้อมูลแบบเรียลไทม์ด้วยโมเดลการเรียนรู้ของเครื่อง
Rune - จัดเตรียมคอนเทนเนอร์เพื่อห่อหุ้มและปรับใช้ท่อและแอปพลิเคชัน Edgeml และแอปพลิเคชัน
SELDON - ใช้โครงการ ML ของคุณจาก POC ไปสู่การผลิตด้วยประสิทธิภาพสูงสุดและความเสี่ยงน้อยที่สุด
Streamlit - ให้คุณสร้างแอพสำหรับโครงการ ML ของคุณด้วยสคริปต์ Python ที่หลอกลวงได้อย่างง่ายดาย
การให้บริการ Tensorflow - ระบบการให้บริการที่ยืดหยุ่นและมีประสิทธิภาพสูงสำหรับรุ่น ML ออกแบบมาเพื่อการผลิต
Torchserve - เครื่องมือที่ยืดหยุ่นและใช้งานง่ายสำหรับการให้บริการรุ่น Pytorch
เซิร์ฟเวอร์การอนุมาน Triton - จัดทำโซลูชันคลาวด์ที่ดีที่สุดและการอนุมานการอนุมานขอบ
Vespa - จัดเก็บค้นหาจัดระเบียบและทำการอนุมานการเรียนรู้ด้วยเครื่องจักรมากกว่าข้อมูลขนาดใหญ่ในเวลาที่ให้บริการ
wallaroo.ai - แพลตฟอร์มสำหรับการปรับใช้การให้บริการและการปรับรุ่น ML ให้เหมาะสมทั้งในสภาพแวดล้อมคลาวด์และขอบ

การทดสอบแบบจำลองและการตรวจสอบความถูกต้อง

เครื่องมือสำหรับการทดสอบและการตรวจสอบความถูกต้อง

DeepChecks - แพ็คเกจโอเพนซอร์ซสำหรับตรวจสอบความถูกต้องของรุ่น ML และข้อมูลพร้อมเช็คและห้องสวีทต่างๆ
Starwhale - แพลตฟอร์ม MLOPS/LLMOPS สำหรับการสร้างแบบจำลองการประเมินผลและการปรับแต่ง
Trubrics - ตรวจสอบการเรียนรู้ของเครื่องด้วยข้อมูลวิทยาศาสตร์ข้อมูลและความคิดเห็นจากผู้เชี่ยวชาญด้านโดเมน

เครื่องมือเพิ่มประสิทธิภาพ

เครื่องมือการเพิ่มประสิทธิภาพที่เกี่ยวข้องกับความสามารถในการปรับขนาดของแบบจำลองในการผลิต

เร่งความเร็ว-วิธีง่ายๆในการฝึกอบรมและใช้โมเดล Pytorch ด้วย Multi-GPU, TPU, ความแม่นยำผสม
DASK - ให้ความเท่าเทียมขั้นสูงสำหรับการวิเคราะห์ทำให้ประสิทธิภาพการทำงานในระดับสำหรับเครื่องมือที่คุณรัก
DeepSpeed - ห้องสมุดการเพิ่มประสิทธิภาพการเรียนรู้อย่างลึกซึ้งซึ่งทำให้การฝึกอบรมแบบกระจายง่ายมีประสิทธิภาพและมีประสิทธิภาพ
ไฟเบอร์ - Python Distributed Computing Library สำหรับกลุ่มคอมพิวเตอร์ที่ทันสมัย
Horovod - กระจายกรอบการฝึกอบรมการเรียนรู้ลึกสำหรับ Tensorflow, Keras, Pytorch และ Apache MXNet
Mahout - เฟรมเวิร์กเชิงเส้นเชิงเส้นกระจายและ Scala DSL ที่แสดงออกทางคณิตศาสตร์
MLLIB - ไลบรารีการเรียนรู้ของเครื่องที่ปรับขนาดได้ของ Apache Spark
Modin - เร่งเวิร์กโฟลว์แพนด้าของคุณโดยการเปลี่ยนรหัสบรรทัดเดียว
NEBULLVM-ห้องสมุดที่ใช้งานง่ายเพื่อเพิ่มการอนุมาน AI
NOS - โมดูลโอเพ่นซอร์สสำหรับการใช้เวิร์กโหลด AI บน Kubernetes ในวิธีที่เหมาะสมที่สุด
Petastorm - เปิดใช้งานเครื่องเดียวหรือการฝึกอบรมแบบกระจายและการประเมินผลของแบบจำลองการเรียนรู้ลึก
Rapids-ให้ความสามารถในการดำเนินการวิทยาศาสตร์ข้อมูลแบบ end-to-end และการวิเคราะห์ทั้งหมดบน GPUs
Ray - เฟรมเวิร์กที่รวดเร็วและง่ายดายสำหรับการสร้างและใช้งานแอพพลิเคชั่นแบบกระจาย
โครงการ Singa - Apache Top Level โดยมุ่งเน้นไปที่การฝึกอบรมแบบกระจายของรุ่น DL และ ML
TPOT - เครื่องมือ ML อัตโนมัติที่เพิ่มประสิทธิภาพการเรียนรู้ของท่อโดยใช้การเขียนโปรแกรมทางพันธุกรรม

เครื่องมือทำให้เข้าใจง่าย

เครื่องมือที่เกี่ยวข้องกับการทำให้การเรียนรู้การเรียนรู้ของเครื่องง่ายขึ้นและมาตรฐาน

แชสซี - เปลี่ยนโมเดลเป็นภาชนะที่เป็นมิตรกับ ML ที่ทำงานได้ทุกที่
เฮอร์ไมโอนี่ - ช่วยนักวิทยาศาสตร์ข้อมูลเกี่ยวกับการตั้งค่ารหัสที่จัดระเบียบมากขึ้นในวิธีที่เร็วและง่ายขึ้น
ไฮดรา - กรอบสำหรับการกำหนดค่าแอปพลิเคชันที่ซับซ้อนอย่างหรูหรา
Koalas - Pandas API บน Apache Spark ทำให้นักวิทยาศาสตร์ข้อมูลมีประสิทธิผลมากขึ้นเมื่อมีปฏิสัมพันธ์กับข้อมูลขนาดใหญ่
LUDWIG - อนุญาตให้ผู้ใช้ฝึกอบรมและทดสอบรูปแบบการเรียนรู้ลึกโดยไม่จำเป็นต้องเขียนโค้ด
MlNotify - ไม่จำเป็นต้องตรวจสอบการฝึกอบรมของคุณเพียงหนึ่งบรรทัดนำเข้าและคุณจะรู้ว่าครั้งที่สองเสร็จสิ้น
Pycaret - โอเพ่นซอร์สไลบรารีการเรียนรู้ของเครื่องต่ำสุดใน Python
Sagify - ยูทิลิตี้ CLI เพื่อฝึกอบรมและปรับใช้โมเดล ML/DL บน AWS Sagemaker
Soopervisor - โครงการ ML ส่งออกไปยัง Kubernetes (เวิร์กโฟลว์ Argo), การไหลเวียนของอากาศ, AWS Batch และ Slurm
Soorgeon - แปลงสมุดบันทึก Jupyter Monolithic เป็นท่อที่สามารถบำรุงรักษาได้
TraingEnerator - เว็บแอปเพื่อสร้างรหัสเทมเพลตสำหรับการเรียนรู้ของเครื่อง
Turi สร้าง - ลดความซับซ้อนของการพัฒนารูปแบบการเรียนรู้ของเครื่องจักรที่กำหนดเอง

การวิเคราะห์ด้วยภาพและการดีบัก

เครื่องมือสำหรับการวิเคราะห์ด้วยภาพและการดีบักของรุ่น ML/DL

Aporia - การสังเกตด้วยการตรวจสอบที่กำหนดเองและการอธิบายแบบจำลอง ML
ARIZE-แพลตฟอร์มการสังเกต ML แบบ end-to-end ฟรีและแพลตฟอร์มการตรวจสอบแบบจำลอง
เห็นได้ชัด - รายงานแบบโต้ตอบเพื่อวิเคราะห์โมเดล ML ในระหว่างการตรวจสอบความถูกต้องหรือการตรวจสอบการผลิต
Fiddler - ตรวจสอบอธิบายและวิเคราะห์ AI ของคุณในการผลิต
Manifold - เครื่องมือการดีบักแบบโมเดลที่ไม่เชื่อเรื่องพระเจ้าสำหรับการเรียนรู้ของเครื่อง
Nannyml - อัลกอริทึมที่มีความสามารถในการจับผลกระทบของการดริฟท์ข้อมูลอย่างเต็มที่ต่อประสิทธิภาพ
Netron - Visualizer สำหรับเครือข่ายประสาทการเรียนรู้อย่างลึกซึ้งและรูปแบบการเรียนรู้ของเครื่อง
OPIK - ประเมินการทดสอบและการใช้งาน LLM ด้วยชุดเครื่องมือสังเกตการณ์
ฟีนิกซ์ - Mlops ในสมุดบันทึกสำหรับการแก้ไขปัญหาและการปรับแต่ง LLM, CV และรุ่นแบบตาราง
RadicalBit - โซลูชันโอเพ่นซอร์สสำหรับการตรวจสอบโมเดล AI ของคุณในการผลิต
Superwise-การสังเกตแบบจำลองระดับองค์กรแบบอัตโนมัติเต็มรูปแบบในแพลตฟอร์ม SaaS แบบบริการตนเอง
Whylogs - มาตรฐานโอเพ่นซอร์สสำหรับการบันทึกข้อมูล เปิดใช้งานการตรวจสอบ ML และการสังเกต
Yellowbrick - การวิเคราะห์ภาพและเครื่องมือวินิจฉัยเพื่ออำนวยความสะดวกในการเลือกรูปแบบการเรียนรู้ของเครื่อง

เครื่องมือเวิร์กโฟลว์

เครื่องมือและเฟรมเวิร์กเพื่อสร้างเวิร์กโฟลว์หรือท่อในบริบทการเรียนรู้ของเครื่อง

Argo - Open Source Container -Native Workflow Engine สำหรับการเตรียมงานแบบขนานบน Kubernetes
Automate Studio - สร้างและปรับใช้เวิร์กโฟลว์ที่ขับเคลื่อนด้วย AI อย่างรวดเร็ว
Couler - อินเทอร์เฟซ Unified สำหรับการสร้างและจัดการเวิร์กโฟลว์บนเครื่องยนต์เวิร์กโฟลว์ที่แตกต่างกัน
DSTACK - เครื่องมือแบบเปิดคอร์เพื่อทำให้ข้อมูลและเวิร์กโฟลว์การฝึกอบรมเป็นไปโดยอัตโนมัติ
Flyte - ง่ายต่อการสร้างเวิร์กโฟลว์ที่สามารถปรับขนาดได้และสามารถบำรุงรักษาได้สำหรับการเรียนรู้ของเครื่อง
Hamilton - จุดประสงค์ทั่วไปขนาดเล็กที่ปรับขนาดได้สำหรับการกำหนด dataflows
Kale - ตั้งเป้าหมายที่จะทำให้ประสบการณ์ด้านวิทยาศาสตร์ข้อมูลง่ายขึ้นในการปรับใช้เวิร์กโฟลว์ของ Kubeflow ท่อ
KEDRO - ห้องสมุดที่ใช้งานด้านวิศวกรรมซอฟต์แวร์การปฏิบัติที่ดีที่สุดสำหรับข้อมูลและท่อ ML
Luigi - โมดูล Python ที่ช่วยให้คุณสร้างท่อที่ซับซ้อนของงานแบทช์
Metaflow - LIB ที่เป็นมิตรกับมนุษย์ที่ช่วยให้นักวิทยาศาสตร์และวิศวกรสร้างและจัดการโครงการวิทยาศาสตร์ข้อมูล
MLRUN - กลไกทั่วไปสำหรับนักวิทยาศาสตร์ข้อมูลในการสร้างวิ่งและตรวจสอบงาน ML และท่อ
ออร์เคสต์ - เครื่องมือแก้ไขท่อและเวิร์กโฟลว์ออร์เคสเตอร์พร้อม UI ที่ใช้งานง่ายและขึ้นอยู่กับ Kubernetes
PLOOMBER - เขียนท่อที่สามารถบำรุงรักษาได้พร้อมการผลิต พัฒนาในพื้นที่ปรับใช้กับคลาวด์
นายอำเภอ - ระบบการจัดการเวิร์กโฟลว์ออกแบบมาสำหรับโครงสร้างพื้นฐานที่ทันสมัย
VDP - เครื่องมือโอเพนซอร์ซเพื่อรวม AI เข้าด้วยกันอย่างราบรื่นสำหรับข้อมูลที่ไม่มีโครงสร้างในสแต็กข้อมูลที่ทันสมัย
Wordware-IDE ที่โฮสต์เว็บซึ่งผู้เชี่ยวชาญด้านโดเมนที่ไม่ใช่ด้านเทคนิคสามารถสร้างตัวแทน AI เฉพาะงานได้
ZENML - เฟรมเวิร์กโอเพนซอร์ซที่ขยายได้เพื่อสร้างท่อที่ทำซ้ำได้

ทรัพยากร

สถานที่ที่จะค้นพบเครื่องมือใหม่และหารือเกี่ยวกับเครื่องมือที่มีอยู่

บทความ

ทัวร์แพลตฟอร์มการเรียนรู้ของเครื่องจักรแบบครบวงจร (Databaseline)
การจัดส่งอย่างต่อเนื่องสำหรับการเรียนรู้ของเครื่อง (Martin Fowler)
การส่งมอบวิสัยทัศน์ของ MLOPS: วิธีการครบกำหนด (GIGAOM)
การดำเนินการเรียนรู้ของเครื่อง (MLOPS): ภาพรวมคำจำกัดความและสถาปัตยกรรม (arxiv)
MLOPS ROADMAP: คู่มืออาชีพ MLOPS ที่สมบูรณ์ (บล็อก Scaler)
MLOPS: การจัดส่งอย่างต่อเนื่องและท่ออัตโนมัติในการเรียนรู้ของเครื่อง (Google)
MLOPS: การเรียนรู้ของเครื่องจักรเป็นวินัยทางวิศวกรรม (ปานกลาง)
กฎการเรียนรู้ของเครื่อง: แนวทางปฏิบัติที่ดีที่สุดสำหรับ ML Engineering (Google)
คะแนนการทดสอบ ML: รูบริกสำหรับความพร้อมในการผลิต ML และการลดหนี้ทางเทคนิค (Google)
mlops คืออะไร? (Nvidia)