模型决策可解释性

Censius是一个AI可观察性和模型监控平台，帮助团队理解、分析和改善AI模型在实际应用中的表现。它提供了对结构化和非结构化生产模型的端到端可见性，并支持主动的模型管理。

展示如何使用 TensorFlow 生态系统从 Transformers 构建视觉模型的机器学习管道，支持完整的 MLOps 流程，集成模型管理和监控功能。

modelkit是一个极简但功能强大的Python MLOps库，方便将机器学习模型快速部署到产品中，兼容多种框架，提供模型版本控制和多种数据源支持。

Katana ML Skipper 是一个简单且灵活的机器学习工作流引擎，支持多种机器学习任务，具有强大的可扩展性，能够轻松集成其他工具和库，帮助用户高效地创建和管理机器学习工作流。

Langfuse是一个旨在帮助开发者构建和管理AI应用程序的基础设施平台，提供了丰富的功能和工具，以简化AI模型的集成和部署。其目标是让AI开发变得更简单、高效，并降低技术门槛。

Encord是一个全面的数据引擎，专为AI模型开发而设计。它为高级计算机视觉团队提供工具和工作流程，以简化标记和工作流管理，清理和整理数据，验证标签质量，以及评估模型性能。用户可以通过创建项目和上传视觉数据来使用Encord，随后使用注释工具和工作流管理功能进行数据标注。

Gentrace是一个评估生成性AI模型的工具，结合了AI、人类评估者和启发式评估，专注于生产质量、速度和成本的评估，确保AI模型的持续改进。

Qwak是一个综合性的AI平台，旨在简化机器学习模型的开发、部署和管理。该平台支持各种规模的AI项目，从通用AI和大型语言模型到经典机器学习，提供统一的环境，使用户能够高效地将想法转化为可扩展的AI应用。无论是初创企业还是大型企业，Qwak都提供必要的工具和基础设施，帮助推动AI项目的进展，避免复杂的集成和基础设施管理带来的麻烦。

Motion 是一个用于构建机器学习(ML)应用的轻量级框架，旨在减少确保模型、提示和其他有状态对象与数据保持最新的 MLOps 负担。它提供了一系列工具和功能，帮助开发者简化机器学习的部署与管理。

Collie是一个多功能的AI模型训练与部署框架，旨在简化机器学习模型的开发和管理过程。它基于PyTorch，结合了DeepSpeed和MegatronLM，避免使用复杂的外部库，并提供用户友好的接口和多种内置工具。

WhyLabs AI Observability Platform是一个云中立的解决方案，提供模型监控和数据监控能力，支持任何规模的数据监控。该平台帮助更快地检测数据和机器学习问题，提供持续改进，防止高成本事件的发生。

这是一个全面的解决方案加速器，旨在在Azure上实施MLOps实践，使组织能够简化其机器学习工作流程并有效管理ML模型的生命周期。

DeepChecks为开发者、数据科学家和质量保证团队提供全面的检查与平衡工具，确保生成式AI的质量和合规性。其开源框架支持快速迭代和持续监控，大幅提升了机器学习模型的性能和可靠性。

Fiddler Auditor 是一个用于评估语言模型鲁棒性的工具，旨在测试大规模语言模型（LLM）和自然语言处理（NLP）模型，识别模型中的弱点，并在将其部署到生产之前减轻潜在的对抗结果。

Ludwig v0.8是一个开源的低代码框架，旨在帮助开发者轻松构建先进的机器学习模型，特别是优化用于使用私有数据构建定制的大型语言模型（LLM）。它提供了一种声明式接口，使得模型的构建过程更加高效和简便。

Portkey 使得你的AI应用的生产化变得轻而易举，提供统一的API管理多个AI提供商，确保应用的可靠性，并提供实时监控和调试功能。

飞桨可信AI，基于PaddlePaddle开发的集可信分析和增强于一体的可信AI工具集，助力NLP开发者提升深度学习模型效果和可信度，推动模型安全、可靠的落地于应用

snowBrain 是一个基于AI的平台，专注于对雪花数据进行分析和提取有价值的信息。它利用先进的AI算法，为用户提供深刻的数据洞察，帮助企业更好地理解和利用其雪花数据。