1. Разработка и обучение моделей:

• #TensorFlow, #PyTorch, #Scikit-learn: Это библиотеки для разработки и обучения моделей машинного обучения.

• #Jupyter, #Google ₽Colab: Инструменты для интерактивного программирования и прототипирования.

2. Управление данными и версионировании

• DVC (Data Version Control): Инструмент для версионирования данных и моделей.

• #Apache #Kafka, Google Pub/Sub: Платформы для обработки потоковых данных.

3. Тестирование и валидация моделей:

• #TensorBoard, #Weights & Biases: Инструменты для визуализации метрик модели и процесса обучения.
• #Deequ, #Great Expectations: Библиотеки для тестирования качества данных.

4. Серверы для предсказаний и инференции:

• TensorFlow Serving, TorchServe: Серверы для развертывания моделей TensorFlow и PyTorch.

• #Seldon, KFServing: Фреймворки для развертывания моделей на Kubernetes.

5. Оркестрация и автоматизация:

• #Kubeflow , MLflow: Платформы для оркестрации рабочих процессов машинного обучения.

• #Airflow, Luigi: Инструменты для автоматизации рабочих процессов.

6. Мониторинг и алертинг:

• Prometheus, #Grafana : Инструменты для мониторинга и визуализации метрик.

• PagerDuty, Opsgenie: Платформы для управления инцидентами и алертинга.