- KitOps: 모델, 코드, 메타데이터, 아티팩트 공유, 관리에 사용하는 패키지 지원
- LangChain: 모듈화된 아키텍처로 커스텀 LLM 애플리케이션 개발 도움
- Pachyderm: 데이터 변환 자동화
- ZenML: MLOps 파이프라인 생성 추상화로 데이터 전처리, 모델 훈련, 평가, 배포 도움
- Prefect: 태스크와 플로 개념으로 머신러닝 파이프라인 구성
- Ray: 모델 개발 중에 머신러닝 워크로드 쉬운 확장 지원
- Metaflow: AI 프로젝트의 프로토타입→프로덕션 실행에 필요한 통합 API 제공
- MLflow: 데이터 과학자와 엔지니어가 모델 개발과 실험을 관리하도록 지원
- Kubeflow: Kubernetes 클러스터서 ML 워크플로 오케스트레이션, 배포 간소화하도록 설계
- Seldon core: ML 모델(TensorFlow, PyTorch, H2o 등) 또는 랭귀지 래퍼(Python, Java 등)를 프로덕션 지원 REST/GRPC 마이크로서비스로 변환해 ML 모델 배포, 제공, 관리 간소화
- DVC: Git이 코드에 하는 것처럼 데이터와 모델 변경 사항을 추적, 모든 Git 리포지토리 위에서 실행할 수 있도록 함
- Evidently AI: 프로덕션 ML 모델 분석, 모니터링하도록 설계된 옵저버빌리티 플랫폼
- Mage AI: 광범위한 코딩 없이 데이터 파이프라인 구축, 자동화하는 데이터 변환, 통합 프레임워크
- ML Run: 엔드투엔드 MLOps 시스템 오케스트레이션하는 서버리스 기술 제공
- Kedro: 재현 가능, 유지 관리 가능, 모듈식 데이터 사이언스 코드 생성 위한 ML 개발 프레임워크
- WhyLogs: ML 모델과 데이터 파이프라인 위해 설계된 오픈 소스 데이터 로깅 라이브러리
- Feast: 개발, 프로덕션 환경서 ML 기능 관리, 제공하는 이해 관계자 문제 해결
- Flyte: 데이터 사이언티스트, 데이터/분석 엔지니어에게 워크플로 구축할 수 있는 Python SDK 제공, 이를 Flyte 백엔드에 손쉽게 배포
- Featureform: 데이터 사이언티스트가 ML 모델의 기능 관리, 제공하는 기능 간소화하는 가상 기능 저장소
- Deepchecks: AI 프로젝트 실험부터 배포 단계까지 ML 모델과 데이터 지속적 테스트하고 검증하는 ML 모니터링 도구
- Argo: Kubernetes서 병렬 작업 오케스트레이션하는 Kubernetes 네이티브 워크플로 엔진 제공
- Deep Lake: 딥러닝 위한 데이터 레이크, RAG 애플리케이션 위한 벡터 저장소 역할 하도록 설계된 ML 특화 데이터베이스 도구
- Hopsworks feature store: 데이터 수집과 피처 엔지니어링부터 모델 훈련, 배포, 모니터링까지 ML 피처 라이프사이클 관리할 수 있는 엔드투엔드 솔루션 제공
- NannyML: ML 모델 배포 후 모니터링과 유지 관리에 특화된 Python 라이브러리
- Delta Lake: 데이터 레이크에 안정성 제공하는 스토리지 레이어 프레임워크