fmind/mlops-python-package

何を解決するか

このプロジェクトは、MLOpsのベストプラクティスを実装した標準化されたPythonコードベースと、一連のベストプラクティスを提供し、モデルレジストリ、実験追跡システム、リアルタイム推論プラットフォームの構築を始める際に、ゼロから始める必要を回避するのを支援します。実験的なコードからプロダクション対応ソフトウェアへの移行を、包括的なプロフェッショナルなソフトウェアエンジニアリングツールの統合によりスムーズにします。

動作方法

このパッケージは、YAML設定ファイルによってプログラムの振る舞いを制御するモジュール式フレームワークとして構造化されています。ユーザーは src/[package]/jobs/*.py に特定のジョブ（トレーニング、チューニング、推論など）を定義し、設定ファイルをマージするCLIを使って実行できます。uv を用いた依存関係管理、Pydantic を用いた設定検証、MLflow を用いたモデル追跡・レジストリ・オブザーバビリティといった現代的なPythonツールチェーンを活用しています。

対象ユーザー

プロダクションレベルのMLOpsツールキットやプラットフォームを実装したい機械学習エンジニアやデータサイエンティスト向けに設計されています。ソフトウェアエンジニアリングおよびAI/MLライフサイクル管理における業界のベストプラクティスに従って開発を進めたい方におすすめです。

主な特徴

• 統合されたMLOpsスタック: MLflow（追跡、レジストリ、プロジェクト）およびSHAPによる説明可能性のための組み込みサポート。
• 包括的な自動化: mise を使用して、インストール、テスト、Lint、ビルドのための一貫したタスク語彙を提供。
• プロダクション対応のツールキット: RuffによるLint/フォーマット、Pytestによるテスト、Dockerによる実行時パッケージングを統合。
• 柔軟な設定: OmegaConfとPydantic Discriminated Unionsを活用し、設定ファイルに基づいて自動的に異なるジョブタイプを選択・実行。