发现最出色的 AI 工具

为您寻找解决任何合适 AI 方案的终极导航目录。

其他(4387)

Production-Ready Applied Deep Learning

应用于生产环境中的深度学习。

实用的深度学习技术生产部署策略现实世界实施指南

Practical MLOps

MLOps实践和实施的全面指南

实用的MLOps策略现实世界的MLOps案例研究MLOps实施指南

Machine Learning Engineering in Action

机器学习工程实践的全面指南

实用机器学习项目实际工程技术分步实施指南

Machine Learning Design Patterns

机器学习项目中的基本设计模式。

涵盖关键设计模式包含实用示例面向机器学习开发者

Designing Machine Learning Systems

设计健壮的机器学习系统，提供实用指导。

全面的机器学习系统设计指南实施方面的实用策略专注于实际应用

Building Machine Learning Pipelines

有效构建强大的机器学习管道

分步指导实用示例基本技术

The ML Test Score: A Rubric for ML Production Readiness and Technical Debt Reduction

用于评估机器学习生产准备状态和减少技术债务的评估标准。

评估机器学习生产准备状态减少技术债务提供评分系统

可复现的 MLOps 管道，基于一个可扩展的开源框架。

可扩展的 MLOps 框架创建可复现的管道开源且社区驱动

通过浏览器在本地运行作业和工作流。

远程运行作业管理工作流本地执行环境

将非结构化数据AI无缝集成到您的数据栈中。

非结构化数据AI集成现代数据栈集成开源工具

现代基础设施的工作流管理系统。

自动化复杂工作流可扩展的基础设施支持集中式工作流管理

在本地构建可用于生产的数据管道，并部署到云端。

编写可维护的数据管道本地开发部署到云端

用于在 Kubernetes 上进行工作流编排的可视化管道编辑器

可视化管道编辑器工作流编排器基于 Kubernetes

轻松构建和管理数据科学项目

人性化的库帮助科学家/工程师管理数据科学项目

Kedro 实现了数据和机器学习管道的最佳实践。

组织数据和机器学习工作流执行软件工程标准支持模块化管道设计

简化部署Kubeflow Pipelines工作流。

易于部署Kubeflow Pipeline简化数据科学工作流与Kubeflow生态系统集成

可扩展的微型框架，用于定义数据流。

定义复杂的数据流可扩展的架构易于使用

轻松构建可扩展的机器学习工作流

创建并发工作流确保可扩展性可维护的设计

使用开源工具自动化数据和训练工作流程。

自动化数据工作流程管理训练过程开源架构

Automate Studio

快速简便地构建和部署 AI 工作流

快速构建 AI 驱动的工作流轻松部署工作流集成 AI 功能

在 Kubernetes 上使用容器原生工作流编排并行作业。

开源人工智能模型

管理复杂的工作流在 Kubernetes 上运行开源

用于机器学习监控和可观察性的开源数据记录

人工智能工具目录

支持机器学习监控可观察性标准开源项目

Superwise 提供通过自助式 SaaS 平台的企业级模型可观测性自动化服务。

完全自动化的模型可观测性企业级功能自助式 SaaS 平台

捕获数据漂移对AI模型性能的影响。

人工智能工具目录

实时检测数据漂移分析模型性能影响提供可操作的见解

Page 90 of 183