☀️ ZenML项目介绍

这个仓库展示了使用ZenML构建的生产级ML用例。这个仓库的目标是为您提供一个随时可用的MLOps工作流程，您可以根据自己的应用进行调整。我们维护着一个不断增长的项目列表，涵盖各种ML领域，包括时间序列、表格数据、计算机视觉等。

🧱 项目列表

ZenML团队和社区更新和维护的项目列表：

项目	标签	集成
NBA三分球预测器	时间序列	`mlflow` `kubeflow` `evidently` `sklearn` `aws`
时间序列预测	时间序列	`gcp`
客户满意度	表格数据	`mlflow` `kubeflow`
客户流失	表格数据	`kubeflow` `seldon`
Label Studio 标注	数据标注	`label-studio`
YOLOv5 目标检测	计算机视觉	`mlflow` `gcp`
LLM分析数据库	自然语言处理, 大语言模型	`gcp` `slack`
GitFlow ZenML 项目	使用ZenML和GitHub工作流的MLOps	`mlflow` `deepchecks` `kserve` `kubeflow` `sklearn` `vertex` `aws` `gcp`
ZenNews	自然语言处理	`gcp` `vertex` `discord`
使用Langchain和OpenAI的LLM RAG管道	自然语言处理, 大语言模型	`slack` `langchain` `llama_index`
Orbit用户分析	数据分析, 表格数据	-
Huggingface到Sagemaker	自然语言处理	`pytorch` `mlflow` `huggingface` `aws` `s3` `kubeflow` `slack` `github`
LLM完全指南（从RAG到微调）	自然语言处理, 大语言模型, 嵌入, 微调	`openai` `supabase` `huggingface` `argilla`
LLM LoRA 微调（Phi3和Llama 3.1）	自然语言处理, 大语言模型	`gcp`
使用GCP Cloud Composer的ECP价格预测	回归, Airflow	`cloud-composer` `airflow`

要运行任何列出的项目，您必须在机器上安装ZenML。有关安装详情，请阅读我们的文档。

我们欢迎任何人贡献，展示您使用ZenML构建的项目。请参阅我们的贡献指南开始。

目前最简单和最快的获取帮助方式是：

ZenML是一个可扩展的开源MLOps框架，用于创建生产就绪的ML管道。专为数据科学家打造，它具有简单灵活的语法，与云和工具无关，并具有针对ML工作流量身定制的接口/抽象。

如果您喜欢这些项目并想了解更多：

ZenML项目根据Apache许可证2.0版本的条款分发。完整版本的许可证可在本仓库的LICENSE文件中找到。对该项目的任何贡献都将根据Apache许可证2.0版本进行许可。

ZenML 资源	描述
🧘‍♀️ ZenML 入门	初次接触 ZenML？这里有你需要知道的一切！
⚛️ 核心概念	我们使用的一些关键术语和概念。
🚀 最新版本	新功能、bug 修复。
🗳 为功能投票	选择我们下一步要开发的内容！
📓 文档	创建您自己的 ZenML 流程的完整文档。
📒 API 参考	ZenML API 的详细参考。
👨‍🍳 MLStacks	基于 Terraform 的预制 ZenML 堆栈基础设施方案。
⚽️ 示例	通过 ZenML 使用实例学习效果最佳。我们为您准备了丰富的示例。
📬 博客	ZenML 的使用案例和我们如何构建它的技术深度剖析。
🔈 播客	与机器学习领域领袖的对话，每两周发布一期。
💬 加入 Slack	需要针对您特定用例的帮助？欢迎在 Slack 上与我们交流！
🗺 路线图	了解 ZenML 正在开发的新功能。
🙋‍♀️ 参与贡献	如何为 ZenML 项目和代码库做出贡献。