- KitOps: モデル、コード、メタデータ、アーティファクトの共有と管理に使うパッケージをサポート
- LangChain: モジュール化されたアーキテクチャでカスタムLLMアプリケーションの開発を支援
- Pachyderm: データ変換を自動化
- ZenML: MLOpsパイプライン作成の抽象化により、データ前処理、モデル訓練、評価、デプロイを支援
- Prefect: タスクとフローの概念で機械学習パイプラインを構成
- Ray: モデル開発中の機械学習ワークロードを容易にスケールできるよう支援
- Metaflow: AIプロジェクトのプロトタイプから本番運用までに必要な統合APIを提供
- MLflow: データサイエンティストとエンジニアがモデル開発と実験を管理できるよう支援
- Kubeflow: KubernetesクラスターでMLワークフローのオーケストレーションとデプロイを簡素化するよう設計
- Seldon core: MLモデル（TensorFlow、PyTorch、H2oなど）または言語ラッパー（Python、Javaなど）を本番対応のREST/GRPCマイクロサービスに変換し、MLモデルのデプロイ、提供、管理を簡素化
- DVC: Gitがコードに対して行うようにデータとモデルの変更を追跡し、あらゆるGitリポジトリ上で実行できるようにする
- Evidently AI: 本番MLモデルを分析・監視するために設計されたオブザーバビリティプラットフォーム
- Mage AI: 大量のコーディングなしでデータパイプラインを構築・自動化できるデータ変換・統合フレームワーク
- ML Run: エンドツーエンドのMLOpsシステムをオーケストレーションするサーバーレス技術を提供
- Kedro: 再現可能で保守しやすく、モジュール式のデータサイエンスコードを作成するためのML開発フレームワーク
- WhyLogs: MLモデルとデータパイプライン向けに設計されたオープンソースのデータロギングライブラリ
- Feast: 開発・本番環境でML機能を管理・提供する際の関係者の課題を解決
- Flyte: データサイエンティストやデータ/分析エンジニアにワークフローを構築できるPython SDKを提供し、それをFlyteバックエンドへ容易にデプロイ可能
- Featureform: データサイエンティストがMLモデルの機能管理と提供を簡素化できる仮想機能ストア
- Deepchecks: AIプロジェクトの実験からデプロイ段階まで、MLモデルとデータを継続的にテスト・検証するMLモニタリングツール
- Argo: Kubernetesで並列ジョブをオーケストレーションするKubernetesネイティブのワークフローエンジンを提供
- Deep Lake: ディープラーニング向けのデータレイクであり、RAGアプリケーション向けのベクトルストアとして機能するよう設計されたML特化データベースツール
- Hopsworks feature store: データ収集と特徴量エンジニアリングからモデル訓練、デプロイ、監視まで、ML特徴量ライフサイクルを管理できるエンドツーエンドソリューションを提供
- NannyML: MLモデルのデプロイ後の監視と保守に特化したPythonライブラリ
- Delta Lake: データレイクに信頼性を提供するストレージレイヤーフレームワーク
1件のコメント
うわ、めっちゃお得なリストだね
Optuna も追加されると良さそう