fmind/cookiecutter-mlops-package

何を解決するか

新しい機械学習プロジェクトを始めるたびに、linting、テスト、セキュリティスキャン、CI/CDパイプラインを手動で設定する繰り返しの作業を排除します。このテンプレートを使えば、業界のベストプラクティスに従ったプロダクション準備完了のコードベースを素早く構築できます。

動作方法

Cookiecutterテンプレートであり、標準化されたPythonプロジェクト構造を生成します。開発ライフサイクルを自動化する現代的なツールチェーンを統合しています：

• タスク管理：mise を使用して、ローカル開発とCIで共通して使用される一連のコマンド（インストール、テスト、ビルド）を定義します。
• Pythonスタック：uv で高速な依存関係管理、Ruff でlinting/フォーマット、ty で型チェックを実行します。
• セキュリティ：pip-audit、gitleaks、Trivy、hadolint を統合して、脆弱性やシークレットをスキャンします。
• デプロイ：マルチステージのDockerイメージとGitHub Actionsワークフローを提供し、継続的インテグレーションとデプロイを実現します。
• 実験追跡：SQLiteバックエンドを備えたローカルMLflow設定を含み、モデルの追跡とレジストリをサポートします。

対象ユーザー

Kubernetes、Vertex AI、Databricks、Azure ML、AWS SageMakerなどのプラットフォームに統合可能な、堅牢でスケーラブルなAI/MLパッケージを構築する必要があるMLエンジニアやデータサイエンティスト。

特徴

• 統一された語彙：開発者、Gitフック、CIパイプラインで共通のコマンドセットを使用。
• セキュリティ最優先：依存関係のCVE、シークレット、コンテナイメージの脆弱性を内蔵スキャンで検出。
• 自動化されたCI/CD：GitHub Actionsを事前構成済みで、テスト、GitHub Pagesへのドキュメントリリース、GHCRへのイメージプッシュを自動化。
• 現代的なツール：uv や Ruff といった高性能ツールを活用し、より高速な開発ループを実現。