评估 · 实验 · MLOps

DataTalks.Club 出品的免费 MLOps 实战课程，覆盖模型部署、监控和工作流编排，帮你把机器学习模型从实验推到生产环境。

evidently

evidentlyai·Jupyter Notebook

开源的 ML 与 LLM 可观测性框架，用 100+ 指标评估、测试并监控表格数据到生成式 AI 的数据管道与模型表现。

用 Python 函数声明式定义数据流，自动生成可测试、带血缘追踪的 DAG，省去手写编排代码，适合数据工程和特征工程。

Google Cloud Vertex AI 的官方示例合集，提供 Notebook、代码和示例应用，演示如何开发、训练和管理机器学习与生成式 AI 工作流。

提供在 Google Cloud Vertex AI 上搭建端到端 MLOps 工作流的模板与示例，覆盖训练、部署到监控的完整流程，方便快速落地机器学习运维。

已归档的历史仓库，原用于向量检索与向量数据库的教程和工具集；团队现已转向自托管推理引擎 SIE，覆盖嵌入、重排、OCR 与文档处理。

监控机器学习模型上线后的数据漂移，并通过数据校验保障部署安全，自动生成 HTML 报告帮助定位特征分布变化。