fmind/cookiecutter-mlops-package

해결하는 문제

매번 새로운 머신러닝 프로젝트를 시작할 때 린팅, 테스팅, 보안 스캔, CI/CD 파이프라인을 수동으로 설정하는 반복적인 부담을 제거합니다. 개발자들은 이 템플릿을 사용해 업계 최고의 실천 방식을 따르는 프로덕션 준비 완료된 코드베이스를 빠르게 시작할 수 있습니다.

작동 방식

표준화된 Python 프로젝트 구조를 생성하는 Cookiecutter 템플릿입니다. 개발 라이프사이클을 자동화하는 현대적인 툴체인을 통합합니다:

• 작업 관리: mise를 사용해 로컬 개발과 CI에서 공통으로 사용하는 일관된 명령어(설치, 테스트, 빌드)를 정의합니다.
• Python 스택: uv로 빠른 의존성 관리, Ruff로 린팅/포맷팅, ty로 타입 체크를 수행합니다.
• 보안: pip-audit, gitleaks, Trivy, hadolint를 통합해 취약점과 시크릿을 스캔합니다.
• 배포: 멀티스테이지 Docker 이미지와 GitHub Actions 워크플로우를 제공해 지속적 통합 및 배포를 지원합니다.
• 실험 추적: SQLite 백엔드를 사용하는 로컬 MLflow 설정을 포함해 모델 추적 및 레지스트리 기능을 제공합니다.

대상 사용자

Kubernetes, Vertex AI, Databricks, Azure ML, AWS SageMaker 등의 플랫폼에 통합 가능한 견고하고 확장 가능한 AI/ML 패키지를 구축해야 하는 ML 엔지니어 및 데이터 사이언티스트.

주요 특징

• 통합된 어휘: 개발자, Git 훅, CI 파이프라인에서 동일한 명령어 세트를 사용합니다.
• 보안 우선: 의존성 CVE, 시크릿, 컨테이너 이미지 취약점에 대한 내장 스캔 기능을 제공합니다.
• 자동화된 CI/CD: 테스트, GitHub Pages에 문서 배포, GHCR에 이미지 푸시를 위한 사전 구성된 GitHub Actions를 제공합니다.
• 현대적인 툴링: uv와 Ruff와 같은 고성능 툴을 활용해 더 빠른 개발 루프를 구현합니다.