Airflow planifie les pipelines qui alimentent vos modèles — l'orchestrateur standard en ingénierie des données.
| Catégorie | Frameworks ML & MLOps |
| Type | Orchestration de flux de travail |
| Licence | Apache-2.0 |
| S'exécute localement | Oui |
| Construit avec | Python |
| Niveau de compétence | Intermédiaire |
| Meilleur pour | pipelines de données et d'entraînement récurrents qui ne doivent pas échouer silencieusement |
D'autres frameworks ml open-source & outils mlops qui valent la peine d'être comparés :
DagsterOrchestration qui pense en actifs de données, pas en tâches
TensorFlowLe framework de deep learning de Google, conçu pour la production
PyTorchLe framework dans lequel presque tous les modèles d'IA modernes sont écrits
OpenCVLa bibliothèque de vision par ordinateur sur laquelle tout le reste est construit
scikit-learnApprentissage automatique classique, fait correctement
RayÉvoluez Python d'un ordinateur portable à un cluster
JAXNumPy avec autodiff, JIT et TPUs
XGBoostReste toujours le meilleur sur les données tabulaires
Label StudioÉtiquetez n'importe quoi — texte, images, audio, vidéo
MLflowSuivez les expériences et expédiez des modèles sans le tableur
ONNXDéplacez un modèle entre frameworks et environnements d'exécution
LightGBMBoosting par gradient qui s'entraîne rapidement sur de grandes tables
CVATAnnotation sérieuse pour la vision par ordinateur
DVCGit pour les ensembles de données et les modèles
OptunaTrouvez les bons hyperparamètres sans devinerApache Airflow est gratuit et open-source (licence Apache-2.0), vous pouvez donc l'utiliser, l'héberger vous-même et le modifier sans frais.
Oui. Apache Airflow est conçu pour fonctionner sur votre propre machine ou serveur, gardant vos données privées.
Les alternatives open-source populaires incluent Dagster, TensorFlow, PyTorch. Consultez les comparaisons ci-dessus pour choisir.
Parcourez le répertoire complet des outils, modèles et projets d'IA open-source — mis à jour quotidiennement.
Parcourez tous les outils →