- KitOps: hỗ trợ các gói dùng để chia sẻ và quản lý mô hình, mã, siêu dữ liệu và artifact
- LangChain: hỗ trợ phát triển ứng dụng LLM tùy biến với kiến trúc mô-đun
- Pachyderm: tự động hóa chuyển đổi dữ liệu
- ZenML: hỗ trợ tiền xử lý dữ liệu, huấn luyện, đánh giá và triển khai mô hình thông qua lớp trừu tượng để xây dựng pipeline MLOps
- Prefect: xây dựng pipeline machine learning với các khái niệm task và flow
- Ray: hỗ trợ mở rộng workload machine learning dễ dàng trong quá trình phát triển mô hình
- Metaflow: cung cấp API thống nhất cần thiết để đưa dự án AI từ nguyên mẫu sang vận hành production
- MLflow: hỗ trợ các nhà khoa học dữ liệu và kỹ sư quản lý việc phát triển mô hình và thử nghiệm
- Kubeflow: được thiết kế để đơn giản hóa việc điều phối workflow ML và triển khai trên cụm Kubernetes
- Seldon core: đơn giản hóa việc triển khai, phục vụ và quản lý mô hình ML bằng cách chuyển các mô hình ML (TensorFlow, PyTorch, H2o, v.v.) hoặc language wrapper (Python, Java, v.v.) thành microservice REST/GRPC sẵn sàng cho production
- DVC: theo dõi thay đổi của dữ liệu và mô hình giống như Git làm với mã, đồng thời có thể chạy trên mọi kho Git
- Evidently AI: nền tảng observability được thiết kế để phân tích và giám sát các mô hình ML production
- Mage AI: framework chuyển đổi và tích hợp dữ liệu giúp xây dựng, tự động hóa pipeline dữ liệu mà không cần quá nhiều mã
- ML Run: cung cấp công nghệ serverless để điều phối hệ thống MLOps end-to-end
- Kedro: framework phát triển ML để tạo mã khoa học dữ liệu có tính tái lập, dễ bảo trì và mô-đun
- WhyLogs: thư viện ghi log dữ liệu mã nguồn mở được thiết kế cho mô hình ML và pipeline dữ liệu
- Feast: giải quyết các vấn đề của các bên liên quan trong việc quản lý và cung cấp feature ML ở môi trường phát triển và production
- Flyte: cung cấp Python SDK để nhà khoa học dữ liệu và kỹ sư dữ liệu/phân tích có thể xây dựng workflow rồi dễ dàng triển khai lên backend Flyte
- Featureform: kho feature ảo giúp đơn giản hóa việc quản lý và cung cấp feature cho mô hình ML của các nhà khoa học dữ liệu
- Deepchecks: công cụ giám sát ML liên tục kiểm thử và xác thực mô hình ML cùng dữ liệu xuyên suốt từ giai đoạn thử nghiệm đến triển khai của dự án AI
- Argo: cung cấp workflow engine native cho Kubernetes để điều phối các tác vụ song song trên Kubernetes
- Deep Lake: công cụ cơ sở dữ liệu chuyên cho ML, được thiết kế để đóng vai trò data lake cho deep learning và vector store cho ứng dụng RAG
- Hopsworks feature store: cung cấp giải pháp end-to-end để quản lý vòng đời feature ML từ thu thập dữ liệu và feature engineering đến huấn luyện, triển khai và giám sát mô hình
- NannyML: thư viện Python chuyên về giám sát và bảo trì sau khi triển khai mô hình ML
- Delta Lake: framework lớp lưu trữ mang lại độ tin cậy cho data lake
1 bình luận
Wow, đúng là danh sách quá ngon
Sẽ hay hơn nếu thêm Optuna