#mlops Repositórios
Descubra 227 repositórios ativos de código aberto no GitHub marcados com #mlops, acumulando um total de 1,047,565 estrelas (uma média de 4,614 por projeto). O líder deste tópico é GokuMohandas/Made-With-ML, com 50,112 estrelas.
227 repositórios no total
Aprenda a desenvolver, implantar e iterar em aplicativos de ML de nível de produção.
Apache Airflow - Uma plataforma para criar, agendar e monitorar fluxos de trabalho programaticamente
Qdrant - Banco de Dados Vetorial de alto desempenho e em escala massiva e Motor de Busca Vetorial para a próxima geração de IA. Também disponível na nuvem https://cloud.qdrant.io/
A plataforma de engenharia de IA open source para agentes, LLMs e modelos de ML. O MLflow permite que equipes de todos os tamanhos depurem, avaliem, monitorem e otimizem aplicações de IA de qualidade de produção enquanto controlam custos e gerenciam o acesso a modelos e dados.
Label Studio é uma ferramenta de rotulagem e anotação de dados multi-tipo com formato de saída padronizado
Tutoriais end-to-end, code-first para construir agentes GenAI de nível de produção. Do protótipo ao deployment empresarial.
Uma lista selecionada de bibliotecas open source incríveis para implantar, monitorar, versionar e escalar seu aprendizado de máquina
Evals é uma estrutura para avaliar LLMs e sistemas de LLM, e um registro de código aberto de benchmarks.
Transforma dados e algoritmos de IA em aplicações web prontas para produção em pouco tempo.
[EM ANDAMENTO] Recursos para engenheiros de IA. Também contém materiais de apoio para o livro Engenharia de IA (Chip Huyen, 2025)
Weaviate é um banco de dados vetorial de código aberto que armazena objetos e vetores, permitindo a combinação de busca vetorial com filtragem estruturada, com a tolerância a falhas e escalabilidade de um banco de dados nativo da nuvem.
Uma plataforma de orquestração para o desenvolvimento, produção e observação de ativos de dados.
Curso gratuito de MLOps da DataTalks.Club. Registre-se aqui 👇🏼 para ser notificado sobre a próxima turma
O kit de ferramentas de treinamento definitivo para o ajuste fino de modelos de difusão
Rode quaisquer LLMs de código aberto, como DeepSeek e Llama, como um endpoint de API compatível com OpenAI na nuvem.
NVIDIA Cosmos é uma plataforma aberta de modelos mundiais, conjuntos de dados e ferramentas que permite aos desenvolvedores construir IA Física para robôs, veículos autônomos, infraestrutura inteligente e muito mais.
TensorZero é uma plataforma open-source de LLMOps que unifica um gateway LLM, observabilidade, avaliação, otimização e experimentação.
A plataforma de desenvolvimento de IA. Use Weights & Biases para treinar e ajustar modelos, e gerenciar modelos desde a experimentação até a produção.
Kedro é um conjunto de ferramentas para ciência de dados pronta para produção. Ele usa as melhores práticas de engenharia de software para ajudar você a criar pipelines de engenharia de dados e ciência de dados que são reproduzíveis, manuteníveis e modulares.
Exemplo de 📓 cadernos Jupyter que demonstram como construir, treinar e implantar modelos de aprendizado de máquina usando 🧠 Amazon SageMaker.
Este repositório contém uma coleção selecionada de mais de 300 estudos de caso de mais de 80 empresas, detalhando aplicações práticas e insights sobre o design de sistemas de aprendizado de máquina (ML). O conteúdo está organizado para ajudá-lo a encontrar facilmente estudos de caso relevantes com base na indústria ou em casos de uso específicos de ML.
A plataforma de computação de IA para equipes de ponta. SkyPilot transforma a computação de IA fragmentada em um supercomputador de IA, para que equipes de ponta construam inteligência personalizada mais rapidamente.
Plataforma AutoML open-source de baixo código para Python. PyCaret 4.0: motor nativo sklearn + plano de controle React.
Deeplake é uma AI Data Runtime para Agents. Fornece Postgres sem servidor com um datalake multimodal, permitindo recuperação e treinamento escaláveis.
A maneira mais fácil de servir aplicativos e modelos de IA - Crie APIs de Inferência de Modelo, filas de tarefas (Job queues), aplicativos LLM, pipelines multimodelos e muito mais!
Evidently é uma estrutura de observabilidade de ML e LLM de código aberto. Avalie, teste e monitore qualquer sistema com IA ou pipeline de dados. De dados tabulares a Gen AI. Mais de 100 métricas.
Orquestração distribuída e type-safe de agentes, pipelines de ML e inferência em tempo real no seu k8s — em Python puro com async/await, além de outras linguagens (Rust, Go e TypeScript)
Formato Lakehouse Aberto para IA Multimodal. Converta de Parquet em 2 linhas de código para acesso aleatório 100x mais rápido, índice vetorial e versionamento de dados. Compatível com Pandas, DuckDB, Polars, Pyarrow e PyTorch, com mais integrações em breve.
ClearML - CI/CD Automágico para simplificar sua carga de trabalho de IA. Gerenciamento de Experimentos, Gerenciamento de Dados, Pipeline, Orquestração, Agendamento e Servir em uma única solução MLOps/LLMOps
Uma lista selecionada das Principais Ferramentas de Inteligência Artificial
Envie Agentes de IA para o Google Cloud em minutos, não em meses. Modelos prontos para produção com CI/CD, avaliação e observabilidade incorporados.
Acesso programático ao Gemini Notebook - via interface de linha de comando (CLI), servidor de Protocolo de Contexto de Modelo (MCP) e habilidades de agente de IA.
Objetivo 💫 — Um rastreador de experimentos de código aberto, fácil de usar e superpotente.
Este repositório é uma coleção selecionada de links para vários cursos e recursos sobre Inteligência Artificial (IA)
Plataforma Padronizada de Inferência de IA Generativa e Preditiva Distribuída para Implantação Escalável e Multi-Framework no Kubernetes
Orquestração de GPU tolerante a falhas e altamente escalável, e um framework de aprendizado de máquina projetado para treinar modelos com bilhões a trilhões de parâmetros
Uma lista incrível e selecionada das melhores ferramentas de LLMOps para desenvolvedores
Perguntas Frequentes
Qual é o repositório de #mlops mais popular no GitHub?
O projeto de código aberto de #mlops mais bem classificado no GitHub é GokuMohandas/Made-With-ML, com 50,112 estrelas. Aprenda a desenvolver, implantar e iterar em aplicativos de ML de nível de produção.
Quais linguagens de programação são mais usadas nos repositórios de #mlops?
Entre os projetos de #mlops mais bem classificados no GitHub, as linguagens de programação mais comuns são Python, Jupyter Notebook, Go, Rust.
Como é calculada a classificação dos repositórios de #mlops?
Acompanhamos 227 repositórios ativos de código aberto marcados com #mlops (com mais de 500 estrelas), totalizando 1,047,565 estrelas e uma média de 4,614 estrelas por repositório. As classificações são atualizadas diariamente a partir da API do GitHub.