详细介绍
MLOps Basics 是由 Raviraja 发起的开源学习项目，目标通过实战周课的方式，引导工程师掌握从模型构建到生产部署的完整流程。仓库以周为单位组织内容，示例涵盖数据获取与处理、模型训练、监控（如 Weights & Biases）、配置管理（Hydra）、数据版本控制（DVC）、模型打包（ONNX、Docker）、CI/CD（GitHub Actions）与线上监控（Kibana）等主题，便于把理论转化为可复现的工程实践。
主要特性
- 周度结构化教程，逐步覆盖 MLOps 关键环节，适合系统化学习。
- 提供实际可运行的样例代码与环境配置（含 DVC、Docker、GitHub Actions）。
- 强调可复现性与工程化，演示模型保存、导出与端到端部署流程。
- 以开源方式发布，便于社区复用与扩展。
使用场景
该项目适合希望快速搭建 MLOps 能力的工程师与学习者：课堂练习、公司内部培训、快速搭建原型流水线或校验特定工具（如 ONNXRuntime、W&B、DVC）的集成方式。通过跟随周度任务，团队可以在受控环境中逐步引入生产实践并验证运维流程。
技术特点
- 使用 PyTorch Lightning 与 Hugging Face 工具链进行模型开发与数据处理。
- 集成 DVC 与远端存储用于数据与模型版本管理，保证可追溯性。
- 展示模型打包（ONNX）与容器化（Docker），并通过 GitHub Actions 实现 CI/CD。
- 涉及指标与预测监控实践（Weights & Biases、Kibana），便于线上观测与告警策略制定。