MLRun es una plataforma de MLOps de código abierto para construir y gestionar rápidamente aplicaciones de ML continuas a lo largo de su ciclo de vida. MLRun se integra en tu entorno de desarrollo y CI/CD y automatiza la entrega de datos de producción, pipelines de ML y aplicaciones en línea.
Construye y gestiona aplicaciones de aprendizaje automático de manera eficiente con la plataforma MLRun.
Reivindica su pagina: indexada sea cual sea su posicion, traducida a seis idiomas y enriquecida con tus propias palabras.
Recibe una alerta por correo en su próximo lanzamiento o cuando despegue — no te pierdas nada.
Gratis · sin tarjeta · cancela cuando quierasMLRun es una plataforma de MLOps de código abierto para construir y gestionar rápidamente aplicaciones de ML continuas a lo largo de su ciclo de vida. MLRun se integra en tu entorno de desarrollo y CI/CD y automatiza la entrega de datos de producción, pipelines de ML y aplicaciones en línea.
mlrun tiene 1.7k estrellas en GitHub. Se ha bifurcado 315 veces. mlrun está escrito principalmente en Python. Se desarrolla activamente desde 2019. mlrun está disponible bajo la licencia Apache-2.0. Sus temas principales son: data-engineering, data-science, experiment-tracking, kubernetes.
MLRun es una plataforma de MLOps de código abierto para construir y gestionar rápidamente aplicaciones de ML continuas a lo largo de su ciclo de vida. MLRun se integra en tu entorno de desarrollo y CI/CD y automatiza la entrega de datos de producción, pipelines de ML y aplicaciones en línea.
mlrun es un proyecto de código abierto. Se distribuye bajo la licencia Apache-2.0.
Sí. mlrun es gratuito y de código abierto: puedes usarlo, modificarlo y alojarlo tú mismo.
mlrun está disponible bajo la licencia Apache-2.0.
mlrun está escrito principalmente en Python.
Agrega este distintivo en vivo a tu README — tus estrellas de GitHub y rango en el directorio, actualizados diariamente.
[](https://opensourceai.tech/project/mlrun-mlrun.html)
Medido a partir de los topics de GitHub comunes a ambos proyectos, ponderados por su rareza.