注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. ML-Online-Near-real-time-Serving:[WIP]补充了《机器学习工程银河系漫游指南》，涵盖了几乎实时提供ML在线服务-源码

  2. 在线服务（近实时） 在线推理绝对比批处理推理更具挑战性。 为什么？ 由于我们系统上的延迟限制。 在线推论是关于以低延迟对最终用户的请求做出响应。 优化的内容：延迟 最终用户：通常与可通过API直接获得的模型进行交互 验证：通过A / B测试离线和在线 高级研讨会：Azure在线服务（近实时） 这个工作坊是WIP 它将涵盖使用Python运行时将机器学习模型部署到Azure Functions的实际用例及其故障排除。 附加功能 要了解有关MLOps和在线服务的更多信息，请执行以下操作：

  3. 所属分类：其它

    • 发布日期：2021-03-15
    • 文件大小：3072
    • 提供者：weixin_42135773

  1. toy-ml-pipeline:我可以使用的ML管道的玩具示例，以尝试使用MLOps工具-源码

  2. 玩具机器学习管道 目录 关于 这是一个完全用Python编写的独立ML管道的玩具示例。 没有外部工具合并到master分支中。 我建立这个程序有两个原因： 用我自己的MLOps工具想法进行试验，因为很难在真空中开发devtools ：） 有一些东西可以与现有的MLOps工具集成在一起，以便我能有真正的见解 下图从高层次描述了管道。 自述文件对其进行了更详细的描述。 入门 该管道分为几个组件，由该存储库中的目录进行了高层描述。 有关可以运行的各种命令，请参见Makefile，但是要在本地提供推

  3. 所属分类：其它

    • 发布日期：2021-03-12
    • 文件大小：258048
    • 提供者：weixin_42097967

  1. Python-MLOps-Cookbook:这是容器化烧瓶应用程序的一个示例-源码

  2. 集装箱烧瓶机学习 这是容器化烧瓶应用程序的一个示例 回购资产 Makefile ： requirements.txt ： cli.py ： app.py ： mlib.py ：模型处理库 htwtmlb.csv1 ：用于输入缩放 model.joblib ： Dockerfile ： Baseball_Predictions_Export_Model.ipynb ： 数据科学工作流程 该存储库专注于MLOps。 要了解有关数据叙事的更多信息，您可以转到数据叙事的

  3. 所属分类：其它

    • 发布日期：2021-03-12
    • 文件大小：154624
    • 提供者：weixin_42131633

  1. TestMLOpsPython-源码

  2. page_type 语言 产品 描述 样本 Python 天蓝色 天蓝色机器学习服务 天蓝色的人 该代码演示了如何利用Azure机器学习和Azure DevOps来设置和操作MLOps流。 使用Azure ML的MLOps CI： 光盘： MLOps将帮助您了解如何为ML / AI项目建立持续集成和持续交付管道。 我们将使用Azure DevOps项目来构建和发布/部署管道，并使用Azure ML服务来进行模型再培训管道，模型管理和运营。 该模板包含用于机器学习项目的代码和管道定

  3. 所属分类：其它

    • 发布日期：2021-03-10
    • 文件大小：2097152
    • 提供者：weixin_42143161

  1. mlapp:MLApp是一个Python库，用于构建一致，集成且可投入生产的机器学习和AI解决方案-源码

  2. MLApp· MLApp是一个Python库，用于构建一致，集成且可投入生产的机器学习和AI解决方案。 项目脚手架：生成有目的的文件结构，以执行现代工程标准并提高解决方案的可读性 嵌入MLOps ：标准化模型及其元数据的注册，存储和部署方式 资产样板：可以轻松自定义以加速常见用例开发的预构建模型模板 数据科学实用程序：可扩展的实用程序集（功能选择，autoML和其他领域），可提高开发人员的工作效率 连接器：轻松连接到通用数据和分析服务 部署集成：使用MLApp构建的应用程序可以轻松地部署在K

  3. 所属分类：其它

    • 发布日期：2021-03-05
    • 文件大小：822272
    • 提供者：weixin_42109925

  1. lugonthier：我的GitHub个人资料的配置文件-源码

  2. 嗨，我是卢卡斯 :waving_hand: :seedling: 我目前是法国计算机科学与管理专业四年制学生。 :eyes: 我对数据科学特别是机器学习和MLops感兴趣。 :chart_increasing: 我正在寻找2021年夏季的数据科学实习机会。 :closed_mailbox_with_raised_flag: 如何联系我： :goal_net: 我对2021年的目标： 精通理论（数学 :books: ）和练习（使用python :snake: ）的许多机器学习模

  3. 所属分类：其它

    • 发布日期：2021-02-17
    • 文件大小：1024
    • 提供者：weixin_42114046

  1. mlops_bodywork：使用bodypackage包测试项目-源码

  2. 使用上装的k8s上的ML-Ops 该存储库包含一个简单的机器学习操作（MLOps）项目，该项目演示了如何使用Bodywork ML-Ops框架配置机器学习解决方案以部署到Kubernetes（k8s）。 先决条件 如果要执行以下示例，那么您将需要通过kubectl CLI工具访问k8s集群，最好以admin用户身份进行访问。 车身已针对k8s v1.16和Python 3.7进行了优化。 机器学习任务 我们选择用于此示例的机器学习（ML）问题是使用将分类为三个亚种之一。 在此存储库根目录中找到

  3. 所属分类：其它

    • 发布日期：2021-02-16
    • 文件大小：14336
    • 提供者：weixin_42118161

  1. python-mlops-源码

  2. page_type 语言 产品展示 描述 样品 Python 天蓝色 天蓝色机器学习服务 天蓝色的人 该代码演示如何利用Azure机器学习和Azure DevOps设置和操作MLOps流。 使用Azure ML的MLOps CI： 光盘： MLOps将帮助您了解如何为ML / AI项目建立持续集成和持续交付管道。 我们将使用Azure DevOps项目来构建和发布/部署管道，以及将Azure ML服务用于模型再培训管道，模型管理和运营。 该模板包含用于机器学习项目的代码和管道定义，

  3. 所属分类：其它

    • 发布日期：2021-02-11
    • 文件大小：2097152
    • 提供者：weixin_42106765

  1. 车身核心：Kubernetes上的MLOps:rocket:-源码

  2. 车身是用于以Python编写的机器学习项目的部署框架。 它可以帮助您： 服务模型 部署管道 安排批处理作业 在容器中，在Kubernetes上。 它可以自动执行重复且耗时的DevOps任务，使机器学习工程师可以腾出时间专注于他们最擅长的工作-通过机器学习解决数据问题。 如果对您来说听起来不错，请给我们一个 :white_medium_star: 文献资料 车身核心的文档可在找到。 这是最好的起点。 上装适合您的位置吗？ 上班族针对的是那些将容器中的机器学习项目部署（或打算部署）到云的团队。

  3. 所属分类：其它

    • 发布日期：2021-02-05
    • 文件大小：3145728
    • 提供者：weixin_42131276

  1. awesome-mlops：精选的MLOps工具清单-源码

  2. 很棒的MLOps 精选的MLOps工具清单。 受到启发。 自动语言 执行AutoML的工具。 自动执行机器学习任务，使您轻松实现强大的预测性能。 -AutoKeras的目标是使所有人都能使用机器学习。 - 自动体系结构搜索和超参数优化。 自动化的机器学习工具包，是scikit-learn估算器的直接替代品。 自动执行机器学习工作流程，其中包括自动训练和模型调整。 -MLBox是功能强大的自动化机器学习python库。 用于机器学习的CI / CD 用于执行CI / CD的

  3. 所属分类：其它

    • 发布日期：2021-02-05
    • 文件大小：11264
    • 提供者：weixin_42099814

  1. kubernetes-mlops：使用Python，Docker和Kubernetes的MLOps教程-源码

  2. 在Kubernetes上部署机器学习模型 将机器学习（ML）模型部署到生产环境中的常见模式（例如，使用SciKit Learn或Keras软件包（适用于Python）训练的ML模型，它们准备提供新数据的预测）是将这些ML公开为RESTful API微服务，从容器中托管。 然后可以将它们部署到云环境中，以处理维持连续可用性所需的一切，例如，容错，自动扩展，负载平衡和滚动服务更新。 持续可用的云部署的配置详细信息特定于目标云提供商-例如，Amazon Web Services的部署过程和拓扑与Mi

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：31744
    • 提供者：weixin_42152298

  1. common-ml：适用于Python的通用机器学习库-源码

  2. 适用于Python的通用机器学习库 总览 common-ml提供用于机器学习的Python库。 问题/问题 请提出。 子项目 ：机器学习通用库 ：Kubernetes集群的MLOps库

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：49152
    • 提供者：weixin_42154650

  1. seldon-core：一个MLOps框架，用于打包，部署，监视和管理数千个生产机器学习模型-源码

  2. Seldon Core：Swift燃烧，面向行业的ML 一个开源平台，可在Kubernetes上大规模部署您的机器学习模型。 总览 Seldon核心将您的ML模型（Tensorflow，Pytorch，H2o等）或语言包装器（Python，Java等）转换为生产REST / GRPC微服务。 Seldon可以扩展到数千种生产机器学习模型，并提供先进的机器学习功能，包括高级度量，请求日志记录，解释器，异常值检测器，A / B测试，Canaries等。 阅读 加入我们的，提出任何问题 入门 加

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：56623104
    • 提供者：weixin_42128558

  1. omegaml：Python分析变得简单-面向人类的开源DataOps，MLOps平台-源码

  2. omegaml：Python分析变得简单-面向人类的开源DataOps，MLOps平台

  3. 所属分类：其它

    • 发布日期：2021-02-02
    • 文件大小：2097152
    • 提供者：weixin_42133329

  1. sagify：适用于AWS SageMaker的MLOps。 www.sagifyml.com-源码

  2. 建立状态 主： 屈服 一个命令行实用程序，只需几个简单的步骤在上训练和部署机器学习/深度学习模型！ 它隐藏了Sagemaker的所有细节，因此您可以100％专注于机器学习，而不是低级的工程任务。 有关Sagify命令的详细参考，请访问： 安装 先决条件 sagify需要以下条件： Python（3.5、3.6、3.7、3.8） 已安装并正在运行 配置的 安装sagify 在命令行中： pip install sagify 入门 步骤1：克隆机器学习演示存储库 您将克隆并训练机器学习代

  3. 所属分类：其它

    • 发布日期：2021-01-30
    • 文件大小：12582912
    • 提供者：weixin_42127020

  1. MLOps-simple-start-源码

  2. 创建环境 conda create -n mlops_simple_app python=3.7 -y 激活环境 conda activate mlops_simple_app 创建一个需求文件。 安装要求 pip install -r requirements.txt 从下载数据 git init dvc init dvc add data_given/winequality.csv git add . git commit -m " first commit " git remo

  3. 所属分类：其它

    • 发布日期：2021-04-01
    • 文件大小：16384
    • 提供者：weixin_42099302

  1. mlops-aml-github-actions-源码

  2. 使用Azure ML的MLOps 此仓库显示了一种简单的方法，该方法通过python代码开发Azure ML管道，然后通过Azure DevOps进行部署。 这是的摘录，并依赖于此存储库的说明，直到为止 文件夹.pipelines中的文件是Azure DevOps管道，文件夹ml_service中的文件是Azure Machine Learning管道以及一些实用程序。 文件夹端点中的文件包含AKS部署所需的文件。 mnist文件夹包含用于训练和推理管道的python文件。 去做： 包

  3. 所属分类：其它

    • 发布日期：2021-03-31
    • 文件大小：19456
    • 提供者：weixin_42134338