#mlops Repositorios
Descubre 227 repositorios activos de código abierto de GitHub etiquetados con #mlops, que acumulan 1,047,565 estrellas en total (una media de 4,614 estrellas por proyecto). El líder de este tema es GokuMohandas/Made-With-ML, con 50,112 estrellas.
227 repositorios en total
Aprende a desarrollar, implementar y iterar en aplicaciones de ML de grado de producción.
Apache Airflow - Una plataforma para crear de manera programática, programar y monitorear flujos de trabajo
Qdrant – Base de datos vectorial y motor de búsqueda vectorial de alto rendimiento y a gran escala para la próxima generación de IA. También disponible en la nube https://cloud.qdrant.io/
La plataforma de ingeniería de IA de código abierto para agentes, LLMs y modelos de ML. MLflow permite a equipos de todos los tamaños depurar, evaluar, monitorear y optimizar aplicaciones de IA de calidad de producción mientras controlan costos y gestionan el acceso a modelos y datos.
Label Studio es una herramienta de etiquetado y anotación de datos de múltiples tipos con formato de salida estandarizado
Tutoriales de extremo a extremo, code-first para construir agentes GenAI de grado de producción. Desde prototipo hasta despliegue empresarial.
Una lista curada de excelentes bibliotecas de código abierto para desplegar, monitorear, versionar y escalar tu machine learning
Evals es un framework para evaluar LLM y sistemas LLM, y un registro de benchmark de código abierto.
Convierte datos y algoritmos de IA en aplicaciones web listas para producción en muy poco tiempo.
[WIP] Recursos para ingenieros de IA. También contiene materiales de apoyo para el libro AI Engineering (Chip Huyen, 2025)
Weaviate es una base de datos de vectores de código abierto que almacena tanto objetos como vectores, permitiendo la combinación de búsqueda vectorial con filtrado estructurado con la tolerancia a fallos y escalabilidad de una base de datos nativa de la nube.
Una plataforma de orquestación para el desarrollo, producción y observación de activos de datos.
Curso gratuito de MLOps de DataTalks.Club. Regístrate aquí 👇🏼 para recibir notificaciones sobre la próxima cohorte
El kit de herramientas de entrenamiento definitivo para afinar modelos de difusión
Ejecute cualquier LLM de código abierto, como DeepSeek y Llama, como un endpoint API compatible con OpenAI en la nube.
NVIDIA Cosmos es una plataforma abierta de modelos mundiales, conjuntos de datos y herramientas que permite a los desarrolladores construir IA Física para robots, vehículos autónomos, infraestructura inteligente y más.
TensorZero es una plataforma de código abierto LLMOps que unifica un gateway LLM, observabilidad, evaluación, optimización y experimentación.
La plataforma para desarrolladores de IA. Usa Weights & Biases para entrenar y ajustar finamente modelos, y gestionar modelos desde la experimentación hasta la producción.
Kedro es una caja de herramientas para data science lista para producción. Utiliza las mejores prácticas de ingeniería de software para ayudarte a crear pipelines de ingeniería de datos y data science que sean reproducibles, mantenibles y modulares.
Cuadernos de Jupyter 📓 de ejemplo que demuestran cómo construir, entrenar e implementar modelos de aprendizaje automático usando 🧠 Amazon SageMaker.
Este repositorio contiene una colección curada de más de 300 estudios de caso de más de 80 empresas, que detallan aplicaciones prácticas e información sobre el diseño de sistemas de aprendizaje automático (ML). El contenido está organizado para ayudarle a encontrar fácilmente estudios de caso relevantes según la industria o casos de uso específicos de ML.
La plataforma de cómputo de IA para equipos de vanguardia. SkyPilot convierte el cómputo de IA fragmentado en una supercomputadora de IA, para que los equipos de vanguardia construyan inteligencia personalizada más rápido.
Plataforma AutoML de código abierto y bajo código para Python. PyCaret 4.0: motor nativo de sklearn + plano de control React.
Deeplake es una AI Data Runtime para Agents. Proporciona Postgres sin servidor con un datalake multimodal, permitiendo recuperación y entrenamiento escalables.
La forma más fácil de servir aplicaciones y modelos de IA - ¡Construye APIs de inferencia de modelo, colas de trabajos, apps LLM, pipelines multi-modelo y más!
Evidently es un framework de código abierto para la observabilidad de ML y LLM. Evalúe, pruebe y monitoree cualquier sistema impulsado por IA o pipeline de datos. Desde datos tabulares hasta Gen AI. Más de 100 métricas.
Orquestación distribuida y con seguridad de tipos de agentes, canalizaciones de ML e inferencia en tiempo real en tu k8s, en Python puro con async/await y también en otros lenguajes (Rust, Go y TypeScript)
Formato Lakehouse abierto para IA multimodal. Convierta desde Parquet en 2 líneas de código para un acceso aleatorio 100 veces más rápido, índice vectorial y versionado de datos. Compatible con Pandas, DuckDB, Polars, Pyarrow y PyTorch, con más integraciones próximamente.
ClearML - CI/CD Auto-Mágico para optimizar tu carga de trabajo de IA. Gestión de Experimentos, Gestión de Datos, Pipeline, Orquestación, Programación y Servicio en una solución MLOps/LLMOps
Una lista seleccionada de las mejores herramientas de inteligencia artificial
Implemente Agentes de IA en Google Cloud en minutos, no en meses. Plantillas listas para producción con CI/CD, evaluación y observabilidad integrados.
Acceso programático a Gemini Notebook: a través de interfaz de línea de comandos (CLI), servidor de protocolo de contexto de modelo (MCP) y habilidades de agente de IA.
Aim 💫 — Un rastreador de experimentos de código abierto fácil de usar y superpotenciado.
Este repositorio es una colección curada de enlaces a varios cursos y recursos sobre Inteligencia Artificial (IA)
Plataforma de inferencia de IA generativa y predictiva distribuida estandarizada para despliegue escalable y multi-framework en Kubernetes
Orquestación de GPU tolerante a fallos, altamente escalable, y un marco de aprendizaje automático diseñado para entrenar modelos con miles de millones a billones de parámetros
Una lista fantástica y curada de las mejores herramientas LLMOps para desarrolladores
Preguntas frecuentes
¿Cuál es el repositorio de #mlops más popular en GitHub?
El proyecto de código abierto de #mlops mejor posicionado en GitHub es GokuMohandas/Made-With-ML, con 50,112 estrellas. Aprende a desarrollar, implementar y iterar en aplicaciones de ML de grado de producción.
¿Qué lenguajes de programación se utilizan más en los repositorios de #mlops?
Entre los proyectos de #mlops mejor posicionados en GitHub, los lenguajes de programación más comunes son Python, Jupyter Notebook, Go, Rust.
¿Cómo se calcula la clasificación de los repositorios de #mlops?
Seguimos 227 repositorios activos de código abierto etiquetados con #mlops (500+ estrellas), que suman un total de 1,047,565 estrellas, con una media de 4,614 estrellas por repositorio. Las clasificaciones se actualizan diariamente a partir de la API de GitHub.