[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"tool-DataTalksClub--mlops-zoomcamp":3,"similar-DataTalksClub--mlops-zoomcamp":78},{"id":4,"github_repo":5,"name":6,"description_en":7,"description_zh":8,"ai_summary_zh":9,"readme_en":10,"readme_zh":11,"quickstart_zh":12,"use_case_zh":13,"hero_image_url":14,"owner_login":15,"owner_name":15,"owner_avatar_url":16,"owner_bio":17,"owner_company":18,"owner_location":18,"owner_email":19,"owner_twitter":15,"owner_website":20,"owner_url":21,"languages":22,"stars":45,"forks":46,"last_commit_at":47,"license":18,"difficulty_score":48,"env_os":49,"env_gpu":49,"env_ram":49,"env_deps":50,"category_tags":63,"github_topics":66,"view_count":72,"oss_zip_url":18,"oss_zip_packed_at":18,"status":73,"created_at":74,"updated_at":75,"faqs":76,"releases":77},3607,"DataTalksClub\u002Fmlops-zoomcamp","mlops-zoomcamp","Free MLOps course from DataTalks.Club","MLOps Zoomcamp 是由 DataTalks.Club 推出的免费开源课程，旨在帮助数据从业者系统掌握机器学习运维（MLOps）的核心技能。它解决了机器学习模型从实验阶段走向生产环境时面临的部署难、监控弱、流程乱等痛点，通过九周的结构化学习，引导学员完成从模型训练、实验追踪到服务部署与实时监控的全链路实践。\n\n这门课程特别适合具备 Python、Docker 及基础机器学习知识的开发者和数据科学家。如果你已有一年以上编程经验，并希望将模型真正落地为稳定的生产服务，MLOps Zoomcamp 将是理想的进阶选择。课程不仅涵盖 MLflow 实验管理、Flask 与 AWS Lambda 部署策略、Prometheus 与 Grafana 监控体系等实用工具，还深入讲解了 CI\u002FCD 自动化、基础设施即代码（Terraform）以及测试规范等行业最佳实践。\n\n与其他理论为主的教程不同，MLOps Zoomcamp 强调“动手做”，每个模块均配有实战练习，并最终要求学员整合所学完成一个端到端的综合项目。此外，活跃的 Slack 社区和公开的答疑机制让自学者也能获得及时支持。无论是","MLOps Zoomcamp 是由 DataTalks.Club 推出的免费开源课程，旨在帮助数据从业者系统掌握机器学习运维（MLOps）的核心技能。它解决了机器学习模型从实验阶段走向生产环境时面临的部署难、监控弱、流程乱等痛点，通过九周的结构化学习，引导学员完成从模型训练、实验追踪到服务部署与实时监控的全链路实践。\n\n这门课程特别适合具备 Python、Docker 及基础机器学习知识的开发者和数据科学家。如果你已有一年以上编程经验，并希望将模型真正落地为稳定的生产服务，MLOps Zoomcamp 将是理想的进阶选择。课程不仅涵盖 MLflow 实验管理、Flask 与 AWS Lambda 部署策略、Prometheus 与 Grafana 监控体系等实用工具，还深入讲解了 CI\u002FCD 自动化、基础设施即代码（Terraform）以及测试规范等行业最佳实践。\n\n与其他理论为主的教程不同，MLOps Zoomcamp 强调“动手做”，每个模块均配有实战练习，并最终要求学员整合所学完成一个端到端的综合项目。此外，活跃的 Slack 社区和公开的答疑机制让自学者也能获得及时支持。无论是希望提升工程能力的算法工程师，还是想要构建标准化 ML 流程的技术团队，都能从中获得切实可行的解决方案。","\u003Cp align=\"center\">\n  \u003Cimg width=\"80%\" src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FDataTalksClub_mlops-zoomcamp_readme_9b29957653a3.jpg\" alt=\"MLOps Zoomcamp\">\n\u003C\u002Fp>\n\n\u003Ch1 align=\"center\">\n    \u003Cstrong>MLOps Zoomcamp: A Free 9-Week Course on Productionizing ML Services\u003C\u002Fstrong>\n\u003C\u002Fh1>\n\n\u003Cp align=\"center\">\nMLOps (machine learning operations) is a must-know skill for many data professionals. Master the fundamentals of MLOps, from training and experimentation to deployment and monitoring.\n\u003C\u002Fp>\n\n\u003Cp align=\"center\">\n\u003Ca href=\"https:\u002F\u002Fairtable.com\u002FshrCb8y6eTbPKwSTL\">\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FDataTalksClub_mlops-zoomcamp_readme_1c849b1e69fb.png\" height=\"50\" \u002F>\u003C\u002Fa>\n\u003C\u002Fp>\n\n\u003Cp align=\"center\">\n\u003Ca href=\"https:\u002F\u002Fdatatalks.club\u002Fslack.html\">Join Slack\u003C\u002Fa> •\n\u003Ca href=\"https:\u002F\u002Fapp.slack.com\u002Fclient\u002FT01ATQK62F8\u002FC01FABYF2RG\">#course-mlops-zoomcamp Channel\u003C\u002Fa> •\n\u003Ca href=\"https:\u002F\u002Ft.me\u002Fdtc_courses\">Telegram Announcements\u003C\u002Fa> •\n\u003Ca href=\"https:\u002F\u002Fwww.youtube.com\u002Fplaylist?list=PL3MmuxUbc_hIUISrluw_A7wDSmfOhErJK\">Course Playlist\u003C\u002Fa> •\n\u003Ca href=\"https:\u002F\u002Fdatatalks.club\u002Ffaq\u002Fmlops-zoomcamp.html\">FAQ\u003C\u002Fa> •\n\u003Ca href=\"https:\u002F\u002Fctt.ac\u002FfH67W\">Tweet about the Course\u003C\u002Fa>\n\u003C\u002Fp>\n\n## How to Take MLOps Zoomcamp\n\n### 2025 Cohort\n- **Start Date**: May 5, 2025\n- **Register Here**: [Sign up](https:\u002F\u002Fairtable.com\u002FshrCb8y6eTbPKwSTL)\n- **Stay Updated**: Subscribe to our [Google Calendar](https:\u002F\u002Fcalendar.google.com\u002Fcalendar\u002F?cid=M3Jzbmg0ZDA2aHVsY2M1ZjcyNDJtODNyMTRAZ3JvdXAuY2FsZW5kYXIuZ29vZ2xlLmNvbQ) (Desktop only)\n\n### Self-Paced Learning\nAll course materials are freely available for independent study. Follow these steps:\n1. Watch the course videos.\n2. Join the [Slack community](https:\u002F\u002Fdatatalks.club\u002Fslack.html).\n3. Refer to the [FAQ document](https:\u002F\u002Fdatatalks.club\u002Ffaq\u002Fmlops-zoomcamp.html) for guidance.\n\n## Syllabus\nThe course consists of structured modules, hands-on workshops, and a final project to reinforce your learning. Each module introduces core MLOps concepts and tools.\n\n### Prerequisites\nTo get the most out of this course, you should have prior experience with:\n- Python\n- Docker\n- Command line basics\n- Machine learning (e.g., through [ML Zoomcamp](https:\u002F\u002Fgithub.com\u002Falexeygrigorev\u002Fmlbookcamp-code\u002Ftree\u002Fmaster\u002Fcourse-zoomcamp))\n- 1+ year of programming experience\n\n## Modules\n\n### [Module 1: Introduction](01-intro)\n- What is MLOps?\n- MLOps maturity model\n- NY Taxi dataset (our running example)\n- Why MLOps is essential\n- Course structure & environment setup\n- Homework\n\n### [Module 2: Experiment Tracking & Model Management](02-experiment-tracking)\n- Introduction to experiment tracking\n- MLflow basics\n- Model saving and loading\n- Model registry\n- Hands-on MLflow exercises\n- Homework\n\n### [Module 3: Orchestration & ML Pipelines](03-orchestration)\n\n- Workflow orchestration\n- Homework\n\n### [Module 4: Model Deployment](04-deployment)\n- Deployment strategies: online (web, streaming) vs. offline (batch)\n- Deploying with Flask (web service)\n- Streaming deployment with AWS Kinesis & Lambda\n- Batch scoring for offline processing\n- Homework\n\n### [Module 5: Model Monitoring](05-monitoring)\n- Monitoring ML-based services\n- Web service monitoring with Prometheus, Evidently, and Grafana\n- Batch job monitoring with Prefect, MongoDB, and Evidently\n- Homework\n\n### [Module 6: Best Practices](06-best-practices)\n- Unit and integration testing\n- Linting, formatting, and pre-commit hooks\n- CI\u002FCD with GitHub Actions\n- Infrastructure as Code (Terraform)\n- Homework\n\n### [Final Project](07-project\u002F)\n- End-to-end project integrating all course concepts\n\n## Community & Support\n\n### Getting Help on Slack\n\nJoin the [`#course-mlops-zoomcamp`](https:\u002F\u002Fapp.slack.com\u002Fclient\u002FT01ATQK62F8\u002FC02R98X7DS9) channel on [DataTalks.Club Slack](https:\u002F\u002Fdatatalks.club\u002Fslack.html) for discussions, troubleshooting, and networking.\n\nTo keep discussions organized:\n- Follow [our guidelines](asking-questions.md) when posting questions.\n- Review the [community guidelines](https:\u002F\u002Fdatatalks.club\u002Fslack\u002Fguidelines.html).\n\n## Instructors\n\n- [Cristian Martinez](https:\u002F\u002Fwww.linkedin.com\u002Fin\u002Fcristian-javier-martinez-09bb7031\u002F)\n- [Alexey Grigorev](https:\u002F\u002Fwww.linkedin.com\u002Fin\u002Fagrigorev\u002F)\n- [Emeli Dral](https:\u002F\u002Fwww.linkedin.com\u002Fin\u002Femelidral\u002F)\n\n\n## Sponsors & Supporters\n\nInterested in supporting our community? Reach out to [alexey@datatalks.club](mailto:alexey@datatalks.club).\n\n## About DataTalks.Club\n\n\u003Cp align=\"center\">\n  \u003Cimg width=\"40%\" src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FDataTalksClub_mlops-zoomcamp_readme_3c4548bda00b.png\" alt=\"DataTalks.Club\">\n\u003C\u002Fp>\n\n\u003Cp align=\"center\">\n\u003Ca href=\"https:\u002F\u002Fdatatalks.club\u002F\">DataTalks.Club\u003C\u002Fa> is a global online community of data enthusiasts. It's a place to discuss data, learn, share knowledge, ask and answer questions, and support each other.\n\u003C\u002Fp>\n\n\u003Cp align=\"center\">\n\u003Ca href=\"https:\u002F\u002Fdatatalks.club\u002F\">Website\u003C\u002Fa> •\n\u003Ca href=\"https:\u002F\u002Fdatatalks.club\u002Fslack.html\">Join Slack Community\u003C\u002Fa> •\n\u003Ca href=\"https:\u002F\u002Fus19.campaign-archive.com\u002Fhome\u002F?u=0d7822ab98152f5afc118c176&id=97178021aa\">Newsletter\u003C\u002Fa> •\n\u003Ca href=\"http:\u002F\u002Flu.ma\u002Fdtc-events\">Upcoming Events\u003C\u002Fa> •\n\u003Ca href=\"https:\u002F\u002Fcalendar.google.com\u002Fcalendar\u002F?cid=ZjhxaWRqbnEwamhzY3A4ODA5azFlZ2hzNjBAZ3JvdXAuY2FsZW5kYXIuZ29vZ2xlLmNvbQ\">Google Calendar\u003C\u002Fa> •\n\u003Ca href=\"https:\u002F\u002Fwww.youtube.com\u002F@DataTalksClub\u002Ffeatured\">YouTube\u003C\u002Fa> •\n\u003Ca href=\"https:\u002F\u002Fgithub.com\u002FDataTalksClub\">GitHub\u003C\u002Fa> •\n\u003Ca href=\"https:\u002F\u002Fwww.linkedin.com\u002Fcompany\u002Fdatatalks-club\u002F\">LinkedIn\u003C\u002Fa> •\n\u003Ca href=\"https:\u002F\u002Ftwitter.com\u002FDataTalksClub\">Twitter\u003C\u002Fa>\n\u003C\u002Fp>\n\nAll the activity at DataTalks.Club mainly happens on [Slack](https:\u002F\u002Fdatatalks.club\u002Fslack.html). We post updates there and discuss different aspects of data, career questions, and more.\n\nAt DataTalksClub, we organize online events, community activities, and free courses. You can learn more about what we do at [DataTalksClub Community Navigation](https:\u002F\u002Fwww.notion.so\u002FDataTalksClub-Community-Navigation-bf070ad27ba44bf6bbc9222082f0e5a8?pvs=21).\n","\u003Cp align=\"center\">\n  \u003Cimg width=\"80%\" src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FDataTalksClub_mlops-zoomcamp_readme_9b29957653a3.jpg\" alt=\"MLOps Zoomcamp\">\n\u003C\u002Fp>\n\n\u003Ch1 align=\"center\">\n    \u003Cstrong>MLOps Zoomcamp：一门免费的9周课程，教你如何将机器学习服务投入生产\u003C\u002Fstrong>\n\u003C\u002Fh1>\n\n\u003Cp align=\"center\">\nMLOps（机器学习运维）是许多数据从业者必须掌握的一项技能。从训练与实验到部署与监控，全面掌握MLOps的基础知识。\n\u003C\u002Fp>\n\n\u003Cp align=\"center\">\n\u003Ca href=\"https:\u002F\u002Fairtable.com\u002FshrCb8y6eTbPKwSTL\">\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FDataTalksClub_mlops-zoomcamp_readme_1c849b1e69fb.png\" height=\"50\" \u002F>\u003C\u002Fa>\n\u003C\u002Fp>\n\n\u003Cp align=\"center\">\n\u003Ca href=\"https:\u002F\u002Fdatatalks.club\u002Fslack.html\">加入Slack\u003C\u002Fa> •\n\u003Ca href=\"https:\u002F\u002Fapp.slack.com\u002Fclient\u002FT01ATQK62F8\u002FC01FABYF2RG\">#course-mlops-zoomcamp频道\u003C\u002Fa> •\n\u003Ca href=\"https:\u002F\u002Ft.me\u002Fdtc_courses\">Telegram公告\u003C\u002Fa> •\n\u003Ca href=\"https:\u002F\u002Fwww.youtube.com\u002Fplaylist?list=PL3MmuxUbc_hIUISrluw_A7wDSmfOhErJK\">课程播放列表\u003C\u002Fa> •\n\u003Ca href=\"https:\u002F\u002Fdatatalks.club\u002Ffaq\u002Fmlops-zoomcamp.html\">常见问题解答\u003C\u002Fa> •\n\u003Ca href=\"https:\u002F\u002Fctt.ac\u002FfH67W\">在推特上分享课程\u003C\u002Fa>\n\u003C\u002Fp>\n\n## 如何参加MLOps Zoomcamp\n\n### 2025届\n- **开课日期**：2025年5月5日\n- **报名链接**：[立即报名](https:\u002F\u002Fairtable.com\u002FshrCb8y6eTbPKwSTL)\n- **保持更新**：订阅我们的[Google日历](https:\u002F\u002Fcalendar.google.com\u002Fcalendar\u002F?cid=M3Jzbmg0ZDA2aHVsY2M1ZjcyNDJtODNyMTRAZ3JvdXAuY2FsZW5kYXIuZ29vZ2xlLmNvbQ)（仅限桌面端）\n\n### 自学模式\n所有课程资料均可免费获取，供自主学习使用。请按照以下步骤进行：\n1. 观看课程视频。\n2. 加入[Slack社区](https:\u002F\u002Fdatatalks.club\u002Fslack.html)。\n3. 参考[FAQ文档](https:\u002F\u002Fdatatalks.club\u002Ffaq\u002Fmlops-zoomcamp.html)以获得指导。\n\n## 课程大纲\n本课程由结构化的模块、实践工作坊以及一个最终项目组成，旨在巩固你的学习成果。每个模块都会介绍核心的MLOps概念和工具。\n\n### 先修条件\n为了更好地学习本课程，建议你具备以下经验：\n- Python编程\n- Docker基础\n- 命令行操作基础\n- 机器学习相关知识（例如通过[ML Zoomcamp](https:\u002F\u002Fgithub.com\u002Falexeygrigorev\u002Fmlbookcamp-code\u002Ftree\u002Fmaster\u002Fcourse-zoomcamp)学习）\n- 至少一年的编程经验\n\n## 课程模块\n\n### [模块1：导论](01-intro)\n- 什么是MLOps？\n- MLOps成熟度模型\n- 纽约出租车数据集（我们的示例）\n- 为什么MLOps至关重要\n- 课程结构与环境搭建\n- 作业\n\n### [模块2：实验跟踪与模型管理](02-experiment-tracking)\n- 实验跟踪简介\n- MLflow基础\n- 模型保存与加载\n- 模型注册表\n- MLflow实操练习\n- 作业\n\n### [模块3：编排与机器学习流水线](03-orchestration)\n- 工作流编排\n- 作业\n\n### [模块4：模型部署](04-deployment)\n- 部署策略：在线（Web、流式处理）与离线（批处理）\n- 使用Flask部署Web服务\n- 利用AWS Kinesis与Lambda进行流式部署\n- 批量评分用于离线处理\n- 作业\n\n### [模块5：模型监控](05-monitoring)\n- 监控基于机器学习的服务\n- 使用Prometheus、Evidently和Grafana监控Web服务\n- 使用Prefect、MongoDB和Evidently监控批处理任务\n- 作业\n\n### [模块6：最佳实践](06-best-practices)\n- 单元测试与集成测试\n- Linting、代码格式化及pre-commit钩子\n- 使用GitHub Actions实现CI\u002FCD\n- 基础设施即代码（Terraform）\n- 作业\n\n### [最终项目](07-project\u002F)\n- 整合课程所有概念的端到端项目\n\n## 社区与支持\n\n### 在Slack寻求帮助\n加入[DataTalks.Club Slack](https:\u002F\u002Fdatatalks.club\u002Fslack.html)中的[`#course-mlops-zoomcamp`](https:\u002F\u002Fapp.slack.com\u002Fclient\u002FT01ATQK62F8\u002FC02R98X7DS9)频道，参与讨论、解决问题并拓展人脉。\n\n为保持讨论有序：\n- 发布问题时，请遵循[提问指南](asking-questions.md)。\n- 请阅读[社区准则](https:\u002F\u002Fdatatalks.club\u002Fslack\u002Fguidelines.html)。\n\n## 讲师团队\n\n- [Cristian Martinez](https:\u002F\u002Fwww.linkedin.com\u002Fin\u002Fcristian-javier-martinez-09bb7031\u002F)\n- [Alexey Grigorev](https:\u002F\u002Fwww.linkedin.com\u002Fin\u002Fagrigorev\u002F)\n- [Emeli Dral](https:\u002F\u002Fwww.linkedin.com\u002Fin\u002Femelidral\u002F)\n\n\n## 赞助商与支持者\n\n如果您有意支持我们的社区，请联系[alexey@datatalks.club](mailto:alexey@datatalks.club)。\n\n## 关于DataTalks.Club\n\n\u003Cp align=\"center\">\n  \u003Cimg width=\"40%\" src=\"https0:\u002F\u002Fgithub.com\u002Fuser-attachments\u002Fassets\u002F1243a44a-84c8-458d-9439-aaf6f3a32d89\" alt=\"DataTalks.Club\">\n\u003C\u002Fp>\n\n\u003Cp align=\"center\">\n\u003Ca href=\"https:\u002F\u002Fdatatalks.club\u002F\">DataTalks.Club\u003C\u002Fa>是一个面向全球数据爱好者的在线社区。这里是我们讨论数据、学习新知、分享知识、答疑解惑并相互支持的地方。\n\u003C\u002Fp>\n\n\u003Cp align=\"center\">\n\u003Ca href=\"https:\u002F\u002Fdatatalks.club\u002F\">官网\u003C\u002Fa> •\n\u003Ca href=\"https:\u002F\u002Fdatatalks.club\u002Fslack.html\">加入Slack社区\u003C\u002Fa> •\n\u003Ca href=\"https:\u002F\u002Fus19.campaign-archive.com\u002Fhome\u002F?u=0d7822ab98152f5afc118c176&id=97178021aa\">邮件通讯\u003C\u002Fa> •\n\u003Ca href=\"http:\u002F\u002Flu.ma\u002Fdtc-events\">即将举行的活动\u003C\u002Fa> •\n\u003Ca href=\"https:\u002F\u002Fcalendar.google.com\u002Fcalendar\u002F?cid=ZjhxaWRqbnEwamhzY3A4ODA5azFlZ2hzNjBAZ3JvdXAuY2FsZW5kYXIuZ29vZ2xlLmNvbQ\">Google日历\u003C\u002Fa> •\n\u003Ca href=\"https:\u002F\u002Fwww.youtube.com\u002F@DataTalksClub\u002Ffeatured\">YouTube频道\u003C\u002Fa> •\n\u003Ca href=\"https:\u002F\u002Fgithub.com\u002FDataTalksClub\">GitHub仓库\u003C\u002Fa> •\n\u003Ca href=\"https:\u002F\u002Fwww.linkedin.com\u002Fcompany\u002Fdatatalks-club\u002F\">LinkedIn主页\u003C\u002Fa> •\n\u003Ca href=\"https:\u002F\u002Ftwitter.com\u002FDataTalksClub\">Twitter账号\u003C\u002Fa>\n\u003C\u002Fp>\n\nDataTalks.Club的大部分活动都在[Slack](https:\u002F\u002Fdatatalks.club\u002Fslack.html)平台上进行。我们会在那里发布最新动态，并就数据相关的各种话题、职业发展等问题展开讨论。\n\n在DataTalksClub，我们定期举办线上活动、社区互动以及免费课程。更多关于我们所做工作的信息，请参阅[DataTalksClub社区导航](https:\u002F\u002Fwww.notion.so\u002FDataTalksClub-Community-Navigation-bf070ad27ba44bf6bbc9222082f0e5a8?pvs=21)。","# MLOps Zoomcamp 快速上手指南\n\nMLOps Zoomcamp 是一个为期 9 周的免费课程，旨在帮助数据专业人员掌握从模型训练、实验跟踪到部署和监控的生产级机器学习技能。本指南将帮助你快速搭建环境并开始学习。\n\n## 环境准备\n\n在开始之前，请确保你具备以下前置知识和系统环境：\n\n### 前置知识要求\n- **编程语言**：熟练掌握 Python\n- **容器化**：了解 Docker 基本概念\n- **命令行**：熟悉 Linux\u002FMac 终端或 Windows PowerShell 基本操作\n- **机器学习基础**：建议已完成 [ML Zoomcamp](https:\u002F\u002Fgithub.com\u002Falexeygrigorev\u002Fmlbookcamp-code\u002Ftree\u002Fmaster\u002Fcourse-zoomcamp) 或具备同等经验\n- **开发经验**：拥有 1 年以上编程经验\n\n### 系统依赖\n- Python 3.8+\n- Docker Desktop (Windows\u002FMac) 或 Docker Engine (Linux)\n- Git\n- 云账户（可选，用于 AWS Kinesis\u002FLambda 等模块，可使用免费层级）\n\n## 安装步骤\n\n本课程主要通过克隆仓库并跟随模块指引进行学习。\n\n1. **克隆课程仓库**\n   ```bash\n   git clone https:\u002F\u002Fgithub.com\u002FDataTalksClub\u002Fmlops-zoomcamp.git\n   cd mlops-zoomcamp\n   ```\n\n2. **创建虚拟环境并安装依赖**\n   建议为每个模块单独创建环境，以下为通用初始化步骤：\n   ```bash\n   python -m venv venv\n   source venv\u002Fbin\u002Factivate  # Windows 用户使用: venv\\Scripts\\activate\n   pip install --upgrade pip\n   ```\n\n3. **安装模块特定依赖**\n   进入具体模块目录（例如 `01-intro` 或 `02-experiment-tracking`），安装该模块所需的 `requirements.txt`：\n   ```bash\n   cd 02-experiment-tracking\n   pip install -r requirements.txt\n   ```\n   *注：国内用户若遇 pip 下载缓慢，可临时使用清华源加速：*\n   ```bash\n   pip install -r requirements.txt -i https:\u002F\u002Fpypi.tuna.tsinghua.edu.cn\u002Fsimple\n   ```\n\n4. **验证 Docker 安装**\n   ```bash\n   docker --version\n   docker run hello-world\n   ```\n\n## 基本使用\n\n课程采用模块化学习路径，建议按顺序完成视频观看、代码实践和作业。\n\n### 启动第一个模块：简介与实验设置\n\n1. 进入模块目录：\n   ```bash\n   cd 01-intro\n   ```\n\n2. 阅读 `README.md` 了解本模块目标（如 MLOps 成熟度模型、NY Taxi 数据集介绍）。\n\n3. 运行示例脚本（以数据处理为例）：\n   ```bash\n   python preprocess.py\n   ```\n\n### 实践实验跟踪（Module 2 示例）\n\n1. 启动 MLflow 服务器（本地模式）：\n   ```bash\n   mlflow ui --host 0.0.0.0 --port 5000\n   ```\n   浏览器访问 `http:\u002F\u002Flocalhost:5000` 查看界面。\n\n2. 运行训练脚本自动记录实验：\n   ```bash\n   python train.py\n   ```\n\n3. 在 MLflow 界面中查看生成的 Run ID、指标和保存的模型。\n\n### 加入社区获取支持\n\n- **Slack 讨论区**：加入 [DataTalks.Club Slack](https:\u002F\u002Fdatatalks.club\u002Fslack.html) 并进入 `#course-mlops-zoomcamp` 频道。\n- **课程视频**：访问 [YouTube 播放列表](https:\u002F\u002Fwww.youtube.com\u002Fplaylist?list=PL3MmuxUbc_hIUISrluw_A7wDSmfOhErJK) 观看教学录像。\n- **日历订阅**：订阅 [Google Calendar](https:\u002F\u002Fcalendar.google.com\u002Fcalendar\u002F?cid=M3Jzbmg0ZDA2aHVsY2M1ZjcyNDJtODNyMTRAZ3JvdXAuY2FsZW5kYXIuZ29vZ2xlLmNvbQ) 获取直播和截止日期提醒（需桌面端操作）。\n\n按照上述步骤，你即可顺利开启 MLOps Zoomcamp 的学习之旅。后续模块将逐步深入编排、部署、监控及最佳实践等内容。","某电商初创公司的数据团队正试图将开发好的“用户流失预测模型”从本地笔记本迁移到生产环境，以支持实时的营销决策。\n\n### 没有 mlops-zoomcamp 时\n- **实验管理混乱**：团队成员手动保存模型文件，缺乏版本记录，导致无法复现最佳效果的实验参数，经常发生“模型丢失”或覆盖错误版本的事故。\n- **部署流程手工化**：每次更新模型都需要人工打包代码并上传服务器，缺乏自动化流水线，部署耗时且极易因环境差异导致服务崩溃。\n- **监控盲区**：模型上线后处于“黑盒”状态，团队无法及时感知数据分布漂移（Data Drift），直到业务指标大幅下滑才发现问题。\n- **协作壁垒高**：由于缺乏统一的工程标准和测试规范，新成员上手困难，代码审查效率低下，运维与算法人员沟通成本极高。\n\n### 使用 mlops-zoomcamp 后\n- **实验可追溯**：通过课程掌握的 MLflow 技能，团队建立了统一的实验追踪系统，所有模型版本、参数和指标自动注册，随时可回滚至历史最优版本。\n- **自动化交付**：利用学到的 Docker 容器化与 GitHub Actions CI\u002FCD 技术，实现了从代码提交到模型自动部署的全流程自动化，发布频率从每周一次提升至每天多次。\n- **主动式监控**：基于课程中 Prometheus 与 Evidently 的实战方案，搭建了实时仪表盘，能在数据漂移发生的分钟级内触发警报并自动启动重训练流程。\n- **标准化协作**：引入单元测试、代码规范检查及基础设施即代码（Terraform）实践，统一了开发与运维语言，显著降低了沟通成本并提升了系统稳定性。\n\nmlops-zoomcamp 帮助该团队从零散的脚本开发转型为具备工业级稳定性的 MLOps 体系，让机器学习真正成为了可信赖的生产力工具。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FDataTalksClub_mlops-zoomcamp_9b299576.jpg","DataTalksClub","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002FDataTalksClub_b71d8174.png","The place to talk about data",null,"alexey@datatalks.club","datatalks.club","https:\u002F\u002Fgithub.com\u002FDataTalksClub",[23,27,31,35,39,42],{"name":24,"color":25,"percentage":26},"Jupyter Notebook","#DA5B0B",99,{"name":28,"color":29,"percentage":30},"Python","#3572A5",0.9,{"name":32,"color":33,"percentage":34},"HCL","#844FBA",0.1,{"name":36,"color":37,"percentage":38},"Shell","#89e051",0,{"name":40,"color":41,"percentage":38},"Dockerfile","#384d54",{"name":43,"color":44,"percentage":38},"Makefile","#427819",14399,2884,"2026-04-04T18:00:14",4,"未说明",{"notes":51,"python":49,"dependencies":52},"本课程为 MLOps 教学项目，非单一软件工具。前置技能要求包括：Python、Docker、命令行基础、机器学习知识及 1 年以上编程经验。课程涵盖实验追踪、编排、部署、监控及 CI\u002FCD 等内容，具体环境配置需参考各模块（如 Module 1-6）的详细文档。",[53,54,55,56,57,58,59,60,61,62],"Docker","MLflow","Flask","AWS Kinesis","AWS Lambda","Prometheus","Evidently","Grafana","Prefect","MongoDB",[64,65],"Agent","开发框架",[67,68,69,70,71],"machine-learning","mlops","model-deployment","model-monitoring","workflow-orchestration",2,"ready","2026-03-27T02:49:30.150509","2026-04-06T05:27:09.098435",[],[],[79,89,98,106,114,127],{"id":80,"name":81,"github_repo":82,"description_zh":83,"stars":84,"difficulty_score":85,"last_commit_at":86,"category_tags":87,"status":73},3808,"stable-diffusion-webui","AUTOMATIC1111\u002Fstable-diffusion-webui","stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。\n\n无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。",162132,3,"2026-04-05T11:01:52",[65,88,64],"图像",{"id":90,"name":91,"github_repo":92,"description_zh":93,"stars":94,"difficulty_score":72,"last_commit_at":95,"category_tags":96,"status":73},1381,"everything-claude-code","affaan-m\u002Feverything-claude-code","everything-claude-code 是一套专为 AI 编程助手（如 Claude Code、Codex、Cursor 等）打造的高性能优化系统。它不仅仅是一组配置文件，而是一个经过长期实战打磨的完整框架，旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。\n\n通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能，everything-claude-code 能显著提升 AI 在复杂任务中的表现，帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略，使得模型响应更快、成本更低，同时有效防御潜在的攻击向量。\n\n这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库，还是需要 AI 协助进行安全审计与自动化测试，everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目，它融合了多语言支持与丰富的实战钩子（hooks），让 AI 真正成长为懂上",138956,"2026-04-05T11:33:21",[65,64,97],"语言模型",{"id":99,"name":100,"github_repo":101,"description_zh":102,"stars":103,"difficulty_score":72,"last_commit_at":104,"category_tags":105,"status":73},2271,"ComfyUI","Comfy-Org\u002FComfyUI","ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎，专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式，采用直观的节点式流程图界面，让用户通过连接不同的功能模块即可构建个性化的生成管线。\n\n这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景，也能自由组合模型、调整参数并实时预览效果，轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性，不仅支持 Windows、macOS 和 Linux 全平台，还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构，并率先支持 SDXL、Flux、SD3 等前沿模型。\n\n无论是希望深入探索算法潜力的研究人员和开发者，还是追求极致创作自由度的设计师与资深 AI 绘画爱好者，ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能，使其成为当前最灵活、生态最丰富的开源扩散模型工具之一，帮助用户将创意高效转化为现实。",107662,"2026-04-03T11:11:01",[65,88,64],{"id":107,"name":108,"github_repo":109,"description_zh":110,"stars":111,"difficulty_score":72,"last_commit_at":112,"category_tags":113,"status":73},3704,"NextChat","ChatGPTNextWeb\u002FNextChat","NextChat 是一款轻量且极速的 AI 助手，旨在为用户提供流畅、跨平台的大模型交互体验。它完美解决了用户在多设备间切换时难以保持对话连续性，以及面对众多 AI 模型不知如何统一管理的痛点。无论是日常办公、学习辅助还是创意激发，NextChat 都能让用户随时随地通过网页、iOS、Android、Windows、MacOS 或 Linux 端无缝接入智能服务。\n\n这款工具非常适合普通用户、学生、职场人士以及需要私有化部署的企业团队使用。对于开发者而言，它也提供了便捷的自托管方案，支持一键部署到 Vercel 或 Zeabur 等平台。\n\nNextChat 的核心亮点在于其广泛的模型兼容性，原生支持 Claude、DeepSeek、GPT-4 及 Gemini Pro 等主流大模型，让用户在一个界面即可自由切换不同 AI 能力。此外，它还率先支持 MCP（Model Context Protocol）协议，增强了上下文处理能力。针对企业用户，NextChat 提供专业版解决方案，具备品牌定制、细粒度权限控制、内部知识库整合及安全审计等功能，满足公司对数据隐私和个性化管理的高标准要求。",87618,"2026-04-05T07:20:52",[65,97],{"id":115,"name":116,"github_repo":117,"description_zh":118,"stars":119,"difficulty_score":72,"last_commit_at":120,"category_tags":121,"status":73},2268,"ML-For-Beginners","microsoft\u002FML-For-Beginners","ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程，旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周，包含 26 节精炼课程和 52 道配套测验，内容涵盖从基础概念到实际应用的完整流程，有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。\n\n无论是希望转型的开发者、需要补充算法背景的研究人员，还是对人工智能充满好奇的普通爱好者，都能从中受益。课程不仅提供了清晰的理论讲解，还强调动手实践，让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持，通过自动化机制提供了包括简体中文在内的 50 多种语言版本，极大地降低了全球不同背景用户的学习门槛。此外，项目采用开源协作模式，社区活跃且内容持续更新，确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路，ML-For-Beginners 将是理想的起点。",84991,"2026-04-05T10:45:23",[88,122,123,124,64,125,97,65,126],"数据工具","视频","插件","其他","音频",{"id":128,"name":129,"github_repo":130,"description_zh":131,"stars":132,"difficulty_score":85,"last_commit_at":133,"category_tags":134,"status":73},3128,"ragflow","infiniflow\u002Fragflow","RAGFlow 是一款领先的开源检索增强生成（RAG）引擎，旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体（Agent）能力相结合，不仅支持从各类文档中高效提取知识，还能让模型基于这些知识进行逻辑推理和任务执行。\n\n在大模型应用中，幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构（如表格、图表及混合排版），显著提升了信息检索的准确度，从而有效减少模型“胡编乱造”的现象，确保回答既有据可依又具备时效性。其内置的智能体机制更进一步，使系统不仅能回答问题，还能自主规划步骤解决复杂问题。\n\n这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统，还是致力于探索大模型在垂直领域落地的创新者，都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口，既降低了非算法背景用户的上手门槛，也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目，它正成为连接通用大模型与行业专有知识之间的重要桥梁。",77062,"2026-04-04T04:44:48",[64,88,65,97,125]]