精选的开源库清单,涵盖生产环境机器学习的部署、监控、版本管理、扩展与安全。
2.1万+14 本周2616MIT更新于 昨天
东北大学 MLOps 课程的实验、阅读材料与练习,涵盖机器学习部署与监控。
这个仓库收录了东北大学 MLOps 课程(DADS 7305)的实验、代码示例和阅读材料,面向学生和教师,覆盖从搭建机器学习流水线到模型上线与维护的完整生命周期。
主要内容包括容器化与编排、ML 场景下的 CI/CD 与持续训练、模型监控、数据漂移处理与重新训练。课程还包含 LLMOps 实验,涉及大语言模型的评估、对齐、监控和部署。实验建议按顺序完成,每个实验目录都有说明和代码示例。
阅读材料取自 Coursera,遵循知识共享协议。代码采用 MIT 许可,但东北大学内部同类课程使用本内容需事先获得书面许可。
将此仓库克隆到本地机器
进入你感兴趣的具体实验目录
阅读实验说明并按照提供的代码示例操作
概要由 AI 根据项目 README 生成;GitHub 数据每日更新。
精选的开源库清单,涵盖生产环境机器学习的部署、监控、版本管理、扩展与安全。
一门免费、可自学的 9 周 MLOps 在线课程,涵盖实验跟踪、编排、部署、监控与最佳实践。
基于 Google Cloud Vertex AI 的 Notebook、代码示例与示例应用,演示机器学习和生成式 AI 工作流。
基于 Prompt Flow 的 LLMOps 模板,覆盖 LLM 应用的实验、评估与部署,支持 Azure AI Studio 与 Azure Machine Learning。
开源 Python 平台,把机器学习与 AI 工作流组织成可在本地或云端基础设施上运行的流水线,涵盖模型训练到智能体。
用于在 Amazon SageMaker 上训练和部署机器学习模型的 Python SDK。