Kubeflow ir atvērtā pirmkoda platforma mašīnmācīšanās darba plūsmu darbināšanai uz Kubernetes — no datu sagatavošanas caur apmācību un hiperparametru meklēšanu līdz modeļu apkalpošanai. Projektu sākotnēji ierosināja Google, tas pieder Cloud Native Computing Foundation, kur 2026. gada augustā ieguva statusu „graduated” (stāvoklis 2026. gada oktobrī). Tas galvenokārt paredzēts komandām, kas apjomīgi apmāca savus modeļus uz savas vai mākoņa infrastruktūras.
Mašīnmācīšanās konveijers ir noteikta soļu secība, kas neapstrādātus datus pārvērš ieviešamā modelī: datu vākšana un tīrīšana, pazīmju sagatavošana, apmācība, novērtēšana, ieviešana un uzraudzība. Šo soļu automatizēšana padara rezultātus atkārtojamus un ļauj ar nelielu piepūli apstrādāt jaunus datus. Piemēram, mazumtirgotājs katru nedēļu var pārapmācīt un pārbaudīt savu pārdošanas prognozēšanas modeli ar jaunākajiem skaitļiem.
MLflow ir atvērtā pirmkoda platforma visa mašīnmācīšanās modeļu dzīves cikla pārvaldībai, ko 2018. gadā sākotnēji ieviesa Databricks. Tā reģistrē eksperimentus ar to parametriem un metrikām, pārvalda modeļu versijas reģistrā un vienkāršo izvietošanu. Jaunākās versijas atbalsta arī uz valodas modeļiem balstītu lietojumprogrammu izsekošanu un novērtēšanu. Tādējādi komandas var izsekot, kurš modelis ir izveidots ar kādiem datiem un iestatījumiem.
TensorFlow ir atvērtā pirmkoda mašīnmācīšanās ietvars, ko izstrādāja Google un izlaida 2015. gadā. To izmanto, lai veidotu, apmācītu un izvietotu neironu tīklus lietojumprogrammās, serveros vai mobilajās ierīcēs. Keras nodrošina viegli lietojamu augsta līmeņa saskarni; tipiski pielietojumi ir attēlu klasifikācija, prognozēšana un ieteikumu sistēmas.
PyTorch ir atvērtā pirmkoda ietvars mašīnmācīšanās un dziļās mācīšanās uzdevumiem programmēšanas valodā Python. Sākotnēji to izstrādāja uzņēmumā Meta (tolaik Facebook), un kopš 2022. gada to pārrauga PyTorch Foundation Linux Foundation paspārnē. PyTorch ir plaši izmantots pētniecībā un nozarē, jo ļauj izstrādātājiem elastīgi veidot modeļus, apmācīt tos uz GPU un testēt soli pa solim; ar to veidoti daudzi pazīstami valodas un attēlu modeļi.
