- KitOps: Mendukung paket yang digunakan untuk berbagi dan mengelola model, kode, metadata, dan artefak
- LangChain: Membantu pengembangan aplikasi LLM kustom dengan arsitektur modular
- Pachyderm: Mengotomatiskan transformasi data
- ZenML: Membantu prapemrosesan data, pelatihan model, evaluasi, dan deployment melalui abstraksi pembuatan pipeline MLOps
- Prefect: Menyusun pipeline machine learning dengan konsep task dan flow
- Ray: Mendukung penskalaan workload machine learning dengan mudah selama pengembangan model
- Metaflow: Menyediakan API terpadu yang diperlukan untuk menjalankan proyek AI dari prototipe ke produksi
- MLflow: Membantu data scientist dan engineer mengelola pengembangan model dan eksperimen
- Kubeflow: Dirancang untuk menyederhanakan orkestrasi dan deployment workflow ML di cluster Kubernetes
- Seldon core: Menyederhanakan deployment, penyajian, dan pengelolaan model ML dengan mengubah model ML (TensorFlow, PyTorch, H2o, dll.) atau language wrapper (Python, Java, dll.) menjadi microservice REST/GRPC siap produksi
- DVC: Melacak perubahan data dan model seperti Git melacak kode, serta dapat dijalankan di atas repositori Git mana pun
- Evidently AI: Platform observability yang dirancang untuk menganalisis dan memantau model ML di produksi
- Mage AI: Kerangka kerja transformasi dan integrasi data untuk membangun serta mengotomatiskan pipeline data tanpa banyak coding
- ML Run: Menyediakan teknologi serverless untuk mengorkestrasi sistem MLOps end-to-end
- Kedro: Framework pengembangan ML untuk membuat kode data science yang reproducible, mudah dipelihara, dan modular
- WhyLogs: Library logging data open source yang dirancang untuk model ML dan pipeline data
- Feast: Menyelesaikan masalah pengelolaan dan penyajian feature ML bagi para pemangku kepentingan di lingkungan pengembangan dan produksi
- Flyte: Menyediakan Python SDK bagi data scientist serta data/analytics engineer untuk membangun workflow dan dengan mudah mendeploy-nya ke backend Flyte
- Featureform: Feature store virtual yang menyederhanakan pengelolaan dan penyajian feature model ML bagi data scientist
- Deepchecks: Alat pemantauan ML yang terus menguji dan memvalidasi model ML serta data dari tahap eksperimen hingga deployment proyek AI
- Argo: Menyediakan workflow engine native Kubernetes untuk mengorkestrasi pekerjaan paralel di Kubernetes
- Deep Lake: Alat database khusus ML yang dirancang untuk berperan sebagai data lake untuk deep learning dan vector store untuk aplikasi RAG
- Hopsworks feature store: Menyediakan solusi end-to-end untuk mengelola siklus hidup feature ML, dari pengumpulan data dan feature engineering hingga pelatihan, deployment, dan pemantauan model
- NannyML: Library Python yang berfokus pada pemantauan dan pemeliharaan setelah deployment model ML
- Delta Lake: Framework storage layer yang memberikan keandalan pada data lake
1 komentar
Wah, ini daftar yang mantap banget
Akan bagus kalau Optuna ditambahkan juga