Curso online gratuito y autoguiado de 9 semanas sobre MLOps: seguimiento de experimentos, orquestación, despliegue, monitorización y buenas prácticas.
EthicalML/awesome-production-machine-learning
Lista curada de bibliotecas open source para desplegar, supervisar, versionar, escalar y proteger sistemas de machine learning en producción.
- Estrellas
- 21,018
- Forks
- 2,695
- Issues abiertos
- 41
- Último commit
- anteayer
¿Qué es?
Awesome Production Machine Learning es una lista organizada por categorías de herramientas open source para llevar modelos de machine learning de la experimentación a producción. Las entradas se agrupan por etapa del flujo de trabajo e incluyen AutoML, entrenamiento distribuido y optimización de cómputo, anotación de datos, pipelines y orquestación de datos, notebooks, almacenamiento de datos, feature stores, entrenamiento de modelos y gestión de experimentos, despliegue y serving, evaluación y supervisión, explicabilidad y privacidad.
Cada entrada enlaza al repositorio del proyecto e incluye una breve descripción de su función. La lista también abarca áreas específicas de distintos dominios, como visión por computadora, NLP, sistemas de recomendación y aprendizaje por refuerzo. Los responsables publican resúmenes mensuales de las bibliotecas añadidas recientemente mediante GitHub releases.
Funciones clave
- 01Organizada en más de 20 categorías que abarcan el ciclo de vida de ML, desde los datos hasta el serving.
- 02Cada entrada enlaza a su repositorio e incluye una descripción de una línea sobre su propósito.
- 03Incluye herramientas para desplegar, supervisar, versionar y escalar modelos.
- 04Abarca bibliotecas específicas para visión por computadora, NLP, sistemas de recomendación y aprendizaje por refuerzo.
- 05Las notas de cada release mensual resumen las bibliotecas añadidas recientemente.
Casos de uso
- Encontrar un feature store, un orquestador de flujos de trabajo o una herramienta de serving de modelos al diseñar un stack de MLOps.
- Comparar bibliotecas candidatas para AutoML o ajuste de hiperparámetros antes de elegir una.
- Familiarizarse con la infraestructura de ML de un equipo y conocer las categorías de herramientas disponibles.
- Seguir la evolución de las nuevas herramientas de ML para producción mediante las actualizaciones mensuales de la lista.
Temas
Preguntas frecuentes
- ¿Qué es awesome-production-machine-learning?
- Lista curada de bibliotecas open source para desplegar, supervisar, versionar, escalar y proteger sistemas de machine learning en producción. Awesome Production Machine Learning es una lista organizada por categorías de herramientas open source para llevar modelos de machine learning de la experimentación a producción. Las entradas se agrupan por etapa del flujo de trabajo e incluyen AutoML, entrenamiento distribuido y optimización de cómputo, anotación de datos, pipelines y orquestación de datos, notebooks, almacenamiento de datos, feature stores, entrenamiento de modelos y gestión de experimentos, despliegue y serving, evaluación y supervisión, explicabilidad y privacidad.
- ¿awesome-production-machine-learning es gratuito? ¿Qué licencia tiene?
- awesome-production-machine-learning es open source bajo la licencia MIT. Revisa los términos de la licencia antes de usarlo en productos comerciales.
- ¿awesome-production-machine-learning sigue mantenido?
- Mantenimiento activo. El último commit de awesome-production-machine-learning fue el 18 oct 2026.
- ¿Para qué puedo usar awesome-production-machine-learning?
- Encontrar un feature store, un orquestador de flujos de trabajo o una herramienta de serving de modelos al diseñar un stack de MLOps. Comparar bibliotecas candidatas para AutoML o ajuste de hiperparámetros antes de elegir una. Familiarizarse con la infraestructura de ML de un equipo y conocer las categorías de herramientas disponibles. Seguir la evolución de las nuevas herramientas de ML para producción mediante las actualizaciones mensuales de la lista.
- ¿Dónde consigo awesome-production-machine-learning?
- El código fuente y las instrucciones de instalación están en GitHub: https://github.com/EthicalML/awesome-production-machine-learning
Resumen generado por IA a partir del README del proyecto. Las estadísticas de GitHub se actualizan a diario.
Proyectos relacionados
Lista seleccionada de canales de YouTube en inglés que enseñan programación, desarrollo web, machine learning, ciberseguridad y otros temas tecnológicos.
Paquete de Python para crear y compartir rápidamente demos web e interfaces de usuario para modelos de machine learning, APIs o cualquier función de Python.
Una colección curada de cursos para aprender IA generativa, recopilaciones de artículos de investigación, materiales para preparar entrevistas y notebooks de código, organizada por objetivos y nivel de experiencia.
Acompañamiento gratuito en línea, capítulo por capítulo, del libro de texto chino de deep learning de Qiu Xipeng, con una edición completa y otra divulgativa, además de PDFs y un canal de erratas.
Guía seleccionada en chino sobre ChatGPT y los LLM más avanzados, con recursos sobre uso, prompting, desarrollo de aplicaciones, agentes y productividad.