#mlops Repository
Scopri 227 repository GitHub open source attivi contrassegnati con #mlops, che raccolgono un totale di 1,047,565 stelle (con una media di 4,614 stelle per progetto). Il progetto leader di questo argomento è GokuMohandas/Made-With-ML, con 50,112 stelle.
227 repository in totale
Impara a sviluppare, distribuire e iterare applicazioni ML di livello produttivo.
Apache Airflow - Una piattaforma per creare, pianificare e monitorare workflow in modo programmatico
Qdrant – Database vettoriale e motore di ricerca vettoriale ad alte prestazioni e su larga scala per la prossima generazione di IA. Disponibile anche nel cloud https://cloud.qdrant.io/
La piattaforma di ingegneria IA open source per agenti, LLM e modelli ML. MLflow consente a team di tutte le dimensioni di debuggare, valutare, monitorare e ottimizzare applicazioni IA di qualità produttiva controllando i costi e gestendo l'accesso a modelli e dati.
Label Studio è uno strumento per l'etichettatura e l'annotazione di dati di tipo multiplo con formato di output standardizzato
Tutorial end-to-end, code-first per costruire agenti GenAI di livello produttivo. Dal prototipo al deployment enterprise.
Una lista curata di eccellenti librerie open source per implementare, monitorare, versionare e scalare il tuo machine learning
Evals è un framework per la valutazione di LLM e sistemi LLM e un registro open-source di benchmark.
Trasforma dati e algoritmi AI in applicazioni web pronte per la produzione in pochissimo tempo.
[WIP] Risorse per ingegneri AI. Contiene anche materiale di supporto per il libro AI Engineering (Chip Huyen, 2025)
Weaviate è un database vettoriale open-source che memorizza sia oggetti che vettori, consentendo la combinazione di ricerca vettoriale con filtraggio strutturato con la tolleranza ai guasti e la scalabilità di un database nativo del cloud.
Una piattaforma di orchestrazione per lo sviluppo, la produzione e l'osservazione di asset di dati.
Corso gratuito di MLOps di DataTalks.Club. Registrati qui 👇🏼 per ricevere aggiornamenti sulla prossima coorte
Il toolkit di addestramento definitivo per il fine-tuning dei modelli di diffusione
Esegui qualsiasi LLM open-source, come DeepSeek e Llama, come endpoint API compatibile con OpenAI nel cloud.
NVIDIA Cosmos è una piattaforma aperta di modelli mondiali, set di dati e strumenti che consente agli sviluppatori di creare IA fisica per robot, veicoli autonomi, infrastrutture intelligenti e altro ancora.
TensorZero è una piattaforma open-source LLMOps che unifica un gateway LLM, osservabilità, valutazione, ottimizzazione e sperimentazione.
La piattaforma per sviluppatori AI. Usa Weights & Biases per addestrare e affinare modelli, e gestire modelli dall'esperimentazione alla produzione.
Kedro è una cassetta degli attrezzi per la data science pronta per la produzione. Utilizza le migliori pratiche di ingegneria del software per aiutarti a creare pipeline di data engineering e data science che siano riproducibili, manutenibili e modulari.
Notebook Jupyter 📓 di esempio che dimostrano come costruire, addestrare e distribuire modelli di machine learning utilizzando 🧠 Amazon SageMaker.
Questo repository contiene una raccolta curata di oltre 300 casi di studio provenienti da oltre 80 aziende, che descrivono applicazioni pratiche e approfondimenti sulla progettazione di sistemi di machine learning (ML). I contenuti sono organizzati per aiutarti a trovare facilmente casi di studio pertinenti in base al settore o a specifici casi d'uso di ML.
La piattaforma di calcolo AI per team all'avanguardia. SkyPilot trasforma il calcolo AI frammentato in un supercomputer AI, consentendo ai team all'avanguardia di costruire intelligenza personalizzata più velocemente.
Piattaforma AutoML open-source a basso codice per Python. PyCaret 4.0: motore nativo sklearn + piano di controllo React.
Deeplake è una AI Data Runtime per Agents. Fornisce Postgres serverless con un datalake multimodale, consentendo il retrieval e l'addestramento scalabili.
Il modo più semplice per servire app e modelli AI - Costruisci API di inferenza del modello, code di lavoro, app LLM, pipeline multi-modello e altro!
Evidently è un framework open-source per l'osservabilità di ML e LLM. Valuta, testa e monitora qualsiasi sistema basato sull'IA o pipeline dati. Dai dati tabellari a Gen AI. Oltre 100 metriche.
Orchestrazione distribuita e type-safe di agenti, pipeline ML e inferenza in tempo reale sul tuo k8s — in puro Python con async/await e anche in altri linguaggi (Rust, Go e TypeScript)
Formato Lakehouse aperto per l'IA multimodale. Converti da Parquet in 2 righe di codice per un accesso casuale 100 volte più veloce, indice vettoriale e versioning dei dati. Compatibile con Pandas, DuckDB, Polars, Pyarrow e PyTorch, con ulteriori integrazioni in arrivo.
ClearML - CI/CD Auto-Magico per ottimizzare il tuo carico di lavoro AI. Gestione Esperimenti, Gestione Dati, Pipeline, Orchestrazione, Programmazione e Servizio in una soluzione MLOps/LLMOps
Distribuisci Agenti IA su Google Cloud in minuti, non in mesi. Modelli pronti per la produzione con CI/CD, valutazione e osservabilità integrati.
Accesso programmatico a Gemini Notebook: tramite interfaccia a riga di comando (CLI), server Model Context Protocol (MCP) e competenze di agenti IA.
Questo repository è una raccolta curata di collegamenti a vari corsi e risorse sull'intelligenza artificiale (AI)
Piattaforma di inferenza AI generativa e predittiva distribuita standardizzata per deployment scalabile e multi-framework su Kubernetes
Orchestrazione GPU tollerante ai guasti, altamente scalabile, e un framework di machine learning progettato per addestrare modelli con miliardi a trilioni di parametri
Un elenco fantastico e curato dei migliori strumenti LLMOps per sviluppatori
Domande frequenti
Qual è il repository #mlops più popolare su GitHub?
Il progetto open source #mlops più alto in classifica su GitHub è GokuMohandas/Made-With-ML, con 50,112 stelle. Impara a sviluppare, distribuire e iterare applicazioni ML di livello produttivo.
Quali linguaggi di programmazione sono più utilizzati nei repository #mlops?
Tra i progetti #mlops più alti in classifica su GitHub, i linguaggi di programmazione più comuni sono Python, Jupyter Notebook, Go, Rust.
Come viene calcolata la classifica dei repository #mlops?
Monitoriamo 227 repository open source attivi contrassegnati con #mlops (500+ stelle), per un totale di 1,047,565 stelle e una media di 4,614 stelle per repository. Le classifiche vengono aggiornate quotidianamente tramite l’API di GitHub.