#mlops Репозитории
Всего репозиториев: 227
Совместное семантическое обнаружение и контроль распространения фишинговых атак в социальных сетях с помощью моделирования на основе LLama
Платформа для разработки конвейеров машинного обучения с открытым исходным кодом
Открытая инфраструктура для демократизации и децентрализации разработки сверхразума для человечества.
CodeProject.AI Server — это автономный сервис, который разработчики программного обеспечения могут включать в свои приложения и распространять вместе с ними, чтобы расширить возможности своих приложений с помощью ИИ.
🌀 Полный стек MLOps-фреймворк из 7 шагов | Изучите MLE и MLOps бесплатно, спроектировав, создав и развернув комплексную пакетную систему машинного обучения ~ исходный код + 2,5 часа учебных материалов и видео
Коллекция самых важных репозиториев Github для специалистов по ML, AI и науке о данных
LightlyStudio - Единая платформа данных для мультимодального машинного обучения
Высокопроизводительный фреймворк для обслуживания ML-моделей, предлагающий динамическую пакетную обработку и конвейеры CPU/GPU для полного использования вашей вычислительной машины
Начните свою инициативу LLMOps с гибкого, надежного и продуктивного пакета Python.
Код для онлайн-курса «Развертывание моделей машинного обучения»
Обучение и развертывание ML REST API для прогнозирования цен на криптовалюты за 10 шагов
Neum AI — это лучшая в своем классе платформа для управления созданием и синхронизацией векторных вложений в больших масштабах.
Материалы для курса "Основы инженерной подготовки LLM"
[MLSys'25] QServe: W4A8KV4 Квантование и совместное проектирование системы для эффективной подачи LLM; [MLSys'25] LServe: Эффективная подача LLM для длинных последовательностей с унифицированным разреженным вниманием
Разверните любую модель ИИ, агент, базу данных, RAG и конвейер локально или удаленно за считанные минуты
Минималистичная библиотека Python для подключения к LLM (OpenAI, Anthropic, Google, Groq, Reka, Together, AI21, Cohere, Aleph Alpha, HuggingfaceHub) со встроенным бенчмарком производительности моделей.
NVIDIA Data Center GPU Manager (DCGM) — это проект для сбора телеметрических данных и измерения работоспособности графических процессоров NVIDIA.
Упражнения и дополнительные материалы для курса по эксплуатации систем машинного обучения (Machine Learning Operations) в DTU.
Блокноты, примеры кода, демонстрационные приложения и другие ресурсы, демонстрирующие, как использовать, разрабатывать и управлять рабочими процессами машинного обучения и генеративного ИИ с помощью Google Cloud Vertex AI.
Узнайте, как создавать, разрабатывать и поддерживать современную кодовую базу MLOps
Инструменты для аннотирования и разметки данных с открытым исходным кодом
Добро пожаловать в официальный репозиторий Batch18! 📚👩💻 Здесь вы найдете организованную коллекцию конспектов, заданий и фрагментов кода, созданных во время наших сессий.
Этот репозиторий предоставляет настраиваемый стек для запуска новых ML-проектов на Databricks, которые с самого начала следуют лучшим практикам продакшена.
Шаблон репозитория для сборки проектов PyTorch из исходного кода на любой версии PyTorch/CUDA/cuDNN.
Сквозные рабочие процессы Google Cloud Platform Vertex AI для операций машинного обучения
BharatMLStack — это стек инфраструктуры машинного обучения с открытым исходным кодом, разработанный в Meesho для поддержки рабочих нагрузок машинного обучения в реальном времени и пакетной обработки в масштабе Бхарата.
Шаблон Cookiecutter для проектов FastAPI с использованием: Machine Learning, uv, GitHub Actions и Pytests
Полный стек ML (машинное обучение) Roadmap включает в себя изучение необходимых навыков и технологий для освоения всех аспектов машинного обучения, включая сбор и предварительную обработку данных, разработку моделей, развертывание и обслуживание.
Ollama для классических моделей ML. Компилятор AOT, который преобразует модели XGBoost, LightGBM, scikit-learn, CatBoost и ONNX в нативный код вывода C99. Одна команда для загрузки, одна команда для обслуживания. В 336 раз быстрее, чем вывод на Python.
Для записи и получения метаданных, связанных с рабочими процессами разработчиков ML и ученых данных.
Backend Triton, который позволяет реализовать предварительную обработку, постобработку и другую логику на Python.
Курс по серверлесс машинному обучению для создания сервисов прогнозирования с поддержкой ИИ из моделей и признаков
Быстро переходите от прототипа науки о данных к конвейеру. Захватывайте, анализируйте и преобразуйте беспорядочные блокноты в конвейеры данных всего за две строки кода.