Home Progetti seldon-core
seldon-core
Go

seldon-core

Un framework MLOps per impacchettare, distribuire, monitorare e gestire migliaia di modelli di machine learning in produzione

di SeldonIO · GitHub
Stelle
Fork
Creato
Ultimo commit
Categoria
Lingua
aiopsdeploymentkubernetesGo
Visualizza su GitHub
In parole semplici

Distribuisci e gestisci modelli di machine learning in Kubernetes con Seldon Core.

Mantieni questo progetto?

Rivendica la sua pagina: indicizzata qualunque sia il rango, tradotta in sei lingue e arricchita con le tue parole.

Rivendica questa pagina →
seldon-core — GitHub preview card
📈 Storia delle stelle
4 7614 757
2026-07-042026-08-31
📈 Segui seldon-core

Ricevi un avviso via email alla prossima release o quando decolla — non perderti nulla.

Gratis · senza carta · disdici quando vuoi
Ricevi avvisi via email →
📄 Informazioni

Un framework MLOps per impacchettare, distribuire, monitorare e gestire migliaia di modelli di machine learning in produzione

seldon-core ha 4.8k stelle su GitHub. È stato forkato 866 volte. seldon-core è scritto principalmente in Go. È in sviluppo attivo dal 2017. I suoi temi principali sono: aiops, deployment, kubernetes, machine-learning.

Frequently asked questions

Che cos'è seldon-core?

Un framework MLOps per impacchettare, distribuire, monitorare e gestire migliaia di modelli di machine learning in produzione

seldon-core è open source?

seldon-core è un progetto open source.

seldon-core è gratuito?

Sì. seldon-core è gratuito e open source: puoi usarlo, modificarlo e ospitarlo autonomamente.

In quale linguaggio è scritto seldon-core?

seldon-core è scritto principalmente in Go.

🏅 Manutentore di questo progetto?
olud.ai badge — seldon-core

Aggiungi questo badge live al tuo README — le tue stelle GitHub e il ranking della directory, aggiornati quotidianamente.

[![olud.ai](https://olud.ai/badge.php?tool=seldonio-seldon-core)](https://olud.ai/project/seldonio-seldon-core.html)
Altre opzioni di badge →
🧬 Condivide il DNA con🧬 Vedi la mappa del DNA →

Misurato dai topic GitHub comuni a entrambi i progetti, ponderati per la loro rarita.