#mlops Repositories
Insgesamt 227 Repositories
Rezepte zum Verkleinern, Optimieren und Anpassen von hochmodernen Bildmodellen. 💜
Der virtuelle Feature Store. Verwandeln Sie Ihre bestehende Dateninfrastruktur in einen Feature Store.
Öffentliches Repository für die DeepLearning.AI MLEP-Spezialisierung
Feathr – Eine skalierbare, einheitliche Daten- und KI-Engineering-Plattform für Unternehmen
Lernpfad für KI-Infrastruktur-Ingenieure - Lehrplan für Produktions-ML-Infrastruktur (2-4 Jahre Erfahrung)
Bewerten und verbessern Sie Ihre LLM-Bereitstellungen für reale Inferenzanforderungen
Eine leichtgewichtige, lokal ausgerichtete und kostenlose Bibliothek zur Experimentverfolgung von Hugging Face 🤗
OpenMLDB ist eine Open-Source-Machine-Learning-Datenbank, die eine Feature-Plattform für die Berechnung konsistenter Features für Training und Inferenz bereitstellt.
WARNUNG: Das Katib-Projekt ist VERALTET. Nutzer sollten zu OptimizationJob und Kubeflow Trainer migrieren.
MLRun ist eine Open-Source-MLOps-Plattform zum schnellen Aufbau und Management kontinuierlicher ML-Anwendungen über ihren Lebenszyklus hinweg. MLRun integriert sich in Ihre Entwicklungsumgebung und CI/CD-Pipeline und automatisiert die Bereitstellung von Produktionsdaten, ML-Pipelines und Online-Anwendungen.
:closed_book: Klarheit im aktuellen, rasanten Durcheinander der Open-Source-Innovation
🤖 MLE-Agent: Ihr intelligenter Begleiter für nahtlose KI-Entwicklung und -Forschung. 🔍 Integration mit arxiv und paper with code zur Bereitstellung besserer Code-/Forschungspläne 🧰 OpenAI, Anthropic, Gemini, Ollama, etc. unterstützt. :fireworks: Code RAG
Sicherheitsorientierte Leitplanken für KI-gestützte Cloud- und Kubernetes-Vorgänge
fitlog ist ein Tool, das Benutzer bei der Protokollierung von Logs und der Verwaltung von Code während des Deep-Learning-Trainings unterstützt.
ModelFox erleichtert das Trainieren, Bereitstellen und Überwachen von Machine-Learning-Modellen.
Ein Open-Source-DevOps-Tool der CNCF zum Verpacken und Versionieren von KI/ML-Modellen, Datensätzen, Code und Konfigurationen in ein OCI-Artefakt.
Produktionsnahes MLOps-Python-Paket und Referenzimplementierung des MLOps-Programmierkurses: MLflow, scikit-learn, Pydantic, Pandera, uv und mise.
Daten-Engineering für große Modelle: Architektur, Algorithmen und Projektpraxis
Stellen Sie einen ML-Inferenzdienst mit einem knappen Budget in weniger als 10 Codezeilen bereit.
Eine Datenbank mit 650 Fallstudien zum maschinellen Lernen (ML) Systemdesign von über 100 Unternehmen.
Alle Links, Bücher und Creator, die Sie verfolgen müssen, um auf dem Laufenden zu bleiben!
DeepRacer-Workshop-Inhalt. Diese Anleitung zeigt, wie Softwareentwickler eine Amazon SageMaker Notebook-Instanz verwenden können, um AWS DeepRacer-Modelle direkt mit voller Kontrolle zu trainieren und zu bewerten.
Ein 10-Wochen-Plan mit 30 Minuten täglich für das Bereitstellen und Optimieren von LLM-Inferenz. vLLM, SGLang, Quantisierung, spekulatives Decoding und Benchmarking.
Ein Python-Modul zum Abrufen des GPU-Status von NVIDIA-GPUs mit nvidia-smi programmatisch in Python
Durch die Verwendung einer lokalen Proxy-Methode umgehen Sie die Beschränkungen fester Modellanbieter der IDE.
🔥 Ein autonomer KI-Agent, der deine Deep-Learning-Experimente 24/7 ausführt, während du schläfst. Kostenloses Monitoring, Leader-Worker-Architektur, konstant große Speicher.
Konfigurationen und Boilerplates für Label Studios Machine Learning Backend
Skill Compose ist eine Open-Source-Plattform zum Erstellen und Ausführen von skill-gesteuerten Agenten. Keine Arbeitsflussdiagramme. Kein CLI.
Ein Benchmark zur Bewertung von Sprachmodellen anhand von Fragen, die ich sie zuvor gebeten habe zu lösen.
SPAR3D: Stabile punktbewusste Rekonstruktion von 3D-Objekten aus einzelnen Bildern
Ein ganzheitlicher Rahmen, der den Entwurf, die Entwicklung und die Bewertung autonomer AIOps-Agenten ermöglicht.