冰霜之地的技术博客合集，深入拆解 Go、HTTP/2、密码学、算法与机器学习等源码，适合想系统啃底层实现和系统设计的工程师。

分布式 AI 计算引擎，提供核心分布式运行时和一组 AI 库，用来加速机器学习负载、大模型推理与超参搜索。

在浏览器里直接跑 Hugging Face 的 Transformer 模型，不用后端服务器，前端就能做文本、视觉等机器学习推理。

把 PyTorch、TensorFlow、JAX、NumPy 等框架的机器学习代码互相转换，省去为不同框架重写模型的麻烦。

通用大模型部署引擎，借助机器学习编译技术把 LLM 高效跑在各种硬件上，从手机到服务器都能用。

每周更新的机器学习 Python 库排行榜，按类别和评分整理优质库，帮你快速找到 AutoML、深度学习、数据可视化等方向的趁手工具。

飞桨核心框架，提供深度学习与机器学习的高性能单机及分布式训练能力，并支持跨平台部署，适合工业级模型开发。

一套为期四个月的免费机器学习工程课程，覆盖从模型训练到 Docker、FastAPI、Kubernetes 部署的完整链路，适合想补齐工程落地能力的算法同学。

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。

Open3D 是一个现代 3D 数据处理库，提供点云、网格、RGB-D 和 3D 可视化等算法与工具，支持 C++ 和 Python，可用于 3D 感知、重建与机器学习研究。

本地部署的 AI 量化投资研究平台，集成回测、机器学习选股与自动交易，帮个人开发者搭建从策略研究到实盘的完整量化流程。

基于 Kubernetes 的云原生机器学习平台，把训练、流水线编排、模型服务和 Notebook 开发统一到容器化集群里，解决 MLOps 各环节割裂、难以规模化调度的问题。

把机器学习模型打包成标准 Docker 容器，自动生成 HTTP 推理服务接口，省去自己写 Dockerfile 和部署脚本的麻烦。

给数据和模型做版本控制的工具，像 Git 管理代码一样管理数据集和机器学习实验，解决数据版本混乱、实验难复现的问题。

用遗传编程自动搜索并优化机器学习流水线，涵盖特征工程、模型选择和超参数调优，省去手工试错。

开源实验追踪工具，能记录、可视化和对比机器学习训练中的指标、超参数与元数据，帮团队理清大量实验。

从 PDF 学术论文中自动抽取标题、作者、参考文献等结构化元数据的机器学习工具，支持全文解析与引文提取。

在 PostgreSQL 数据库内直接跑机器学习和向量检索，用 SQL 就能做嵌入、分类、聚类和 LLM 推理，省去单独搭推理服务的麻烦。

基于 Spark 的分布式机器学习库，把 LightGBM、深度学习、认知服务等算法封装成易用 API，让大数据场景下的训练和推理可以直接在集群上跑。

开箱即用的全栈监控平台，秒级采集指标并自动告警，内置机器学习异常检测，小团队也能低成本搭建可观测性。

一套从数据工程、模型训练到部署迭代的完整教程，帮你把机器学习项目做成可上线的生产级应用。

面向 Apple silicon 的数组计算框架，让机器学习模型能直接在 Mac 芯片上高效训练和推理，省去折腾 CUDA 的麻烦。

ONNX 是开放的机器学习模型交换格式标准，让 PyTorch、TensorFlow、Keras 等框架训练出的模型能互相转换、跨平台部署。

云原生一站式机器学习与大模型平台，覆盖 Notebook 开发、拖拉拽 Pipeline 编排、分布式训练、超参搜索、推理服务和 SFT/强化学习微调，支持国产算力生态。

跨平台机器学习框架，提供可定制的视觉、音频等实时流媒体处理方案，方便在移动端和桌面端搭建低延迟推理管线。

用 C++ 重写《帝国时代 II》游戏引擎，让玩家在 Linux 等平台原生运行这款经典 RTS，并支持加载原版游戏资源。

多类型数据标注工具，支持图像、文本、音频等标注任务，输出统一格式，方便为机器学习和深度学习项目准备训练数据。

开源特征存储，统一管理机器学习特征的注册、存储与在线离线服务，解决训练和推理特征不一致的问题。

开源 AI 工程平台，覆盖智能体、大模型和传统机器学习，帮团队调试、评估、监控和优化生产级 AI 应用，同时控制成本并管理模型与数据访问权限。

Amazon SageMaker 官方示例集，用 Jupyter Notebook 演示如何构建、训练和部署机器学习模型，适合上手 MLOps 全流程。

一套纯 Markdown 的轻量技能包，让 Claude Code、Codex 等 LLM 智能体在无人值守时自主完成机器学习研究：跨模型评审、想法发现与实验自动化。

Hugging Face 官方数据集库，汇集海量即用型 AI 数据集，并提供高效的数据加载与处理工具，省去自己找数据、写加载代码的麻烦。

低代码 AutoML 平台，几行 Python 代码就能完成分类、回归、聚类和异常检测的建模与调参，4.0 版改用 sklearn 原生引擎并加了 React 控制台。

面向大规模数据与机器学习的 AI 搜索平台，支持向量检索、张量计算和推荐排序，适合搭建 RAG 与搜索服务。

三行代码就能完成训练和调参的 AutoML 框架，自动搞定表格、图像、文本和时间序列任务，省去手动选模型和调超参的麻烦。

哈佛 CS249r 的机器学习系统教材，覆盖基础、扩展、智能体 AI 与具身 AI 四卷，系统讲解从云端到边缘的 ML 系统设计与工程实践。

一份精选的机器学习生产化开源工具清单，覆盖模型部署、监控、版本管理和规模化扩展，帮你快速找到 MLOps 各环节的趁手工具。

一套系统的大语言模型入门课程，用学习路线图和可直接运行的 Colab 笔记本，带你从零掌握 LLM 的原理与实战。

把 Ian Goodfellow、Yoshua Bengio 和 Aaron Courville 合著的《深度学习》MIT 教材整理成 PDF，含完整版和分章节版，方便离线阅读和按需查阅。

一份精选的 MLOps 工具清单，把模型部署、实验跟踪、监控等环节的常用开源方案整理在一起，方便你按需挑选和对比。