面向人类的开源 DataOps、MLOps 平台
项目描述
omega|ml - 用于人类的 DataOps 和 MLOps
只需一行代码，您就可以
直接从 Jupyter Notebook（或任何其他代码）部署机器学习模型
快速实现数据管道，没有内存限制，所有这些都来自一个类似于 Pandas 的 API
从易于使用的 REST API 提供模型和数据
此外，omega|ml 是最快的方法
在包含的可扩展纯 Python 计算集群、Spark 或任何其他云上进行规模模型训练
轻松协作数据科学项目，共享 Jupyter Notebooks
使用 dashserve 直接从 Jupyter Notebook 部署漂亮的仪表板
链接
5 分钟内开始
直接从您的笔记本电脑或虚拟机启动 omega|ml 服务器
$ wget https://raw.githubusercontent.com/omegaml/omegaml/master/docker-compose.yml
$ docker-compose up -dJupyter Notebook 可立即在http://localhost:8899获得（登录omegamlisfun）。您创建的任何笔记本都会自动存储在集成的 omega|ml 数据库中，让协作变得轻而易举。REST API 位于http://localhost:5000。
已经有 Python 环境（例如 Jupyter Notebook）？通过如下安装来利用 omega|ml 的强大功能：
# assuming you have started the server as per above
$ pip install omega|ml例子
在https://omegaml.github.io/omegaml/获取更多信息
# transparently store Pandas Series and DataFrames or any Python object
om.datasets.put(df, 'stats')
om.datasets.get('stats', sales__gte=100)
# transparently store and get models
clf = LogisticRegression()
om.models.put(clf, 'forecast')
clf = om.models.get('forecast')
# run and scale models directly on the integrated Python or Spark compute cluster
om.runtime.model('forecast').fit('stats[^sales]', 'stats[sales]')
om.runtime.model('forecast').predict('stats')
om.runtime.model('forecast').gridsearch(X, Y)
# use the REST API to store and retrieve data, run predictions
requests.put('/v1/dataset/stats', json={...})
requests.get('/v1/dataset/stats?sales__gte=100')
requests.put('/v1/model/forecast', json={...})用例
omega|ml 目前支持 scikit-learn、Keras 和 Tensorflow 开箱即用。需要从另一个框架部署模型？在https://github.com/omegaml/omegaml/issues打开一个问题， 或者在support @ omegaml给我们留言。io
机器学习部署
使用一行代码将模型部署到生产环境
从 REST API 服务和使用模型或数据集
数据科学合作
在几分钟内获得完全集成的数据科学工作场所
与您的合作者轻松共享模型、数据、jupyter 笔记本和报告
集中式数据和计算集群
在纯 Python 或 Apache Spark 计算集群上执行核外计算
有一个共享的 NoSQL 数据库 (MongoDB)，开箱即用，像 Pandas 数据框一样工作
使用计算集群来训练您的模型，无需额外设置
可扩展性和可扩展性
无需更改代码即可将您的数据科学工作从笔记本电脑扩展到团队再到生产环境
将任何机器学习框架或第三方数据科学平台与通用 API 集成
Towards Data Science 最近发表了一篇关于 omega|ml 的文章： https ://towardsdatascience.com/omega-ml-deploying-data-machine-learning-pipelines-the-easy-way-a3d281569666
此外，omega|ml 提供了一个易于使用的扩展 API 来支持任何类型的模型、计算集群、数据库和数据源。
企业版
omega|ml 企业版提供各个级别的安全性，并为 Kubernetes 部署做好了准备。它单独许可用于本地、私有或混合云。在https://omegaml.io注册
下载文件
下载适用于您平台的文件。如果您不确定要选择哪个，请了解有关安装包的更多信息。