#28 · 主分类： MLOps与评测
great_expectations
始终了解你的数据预期。
项目最后更新：08/28/26
GitHub Stars
11.7K
Forks数量
1.8K
贡献者数量
483
许可证
Apache-2.0
收录理由
Great Expectations 把数据仓库或模型所依赖的数据假设，变成显式且可运行的检查。与其等坏数据在下游报表或训练任务里暴露问题，不如在源头就拦截住。你可以声明某列不允许有空值、某个 ID 必须唯一，或者某个指标要保持在合理区间，框架会直接对着团队已经在用的数据库和文件存储来验证这些预期。每一次验证都会产出结果，这些结果足以决定一条流水线是否继续往下走。它的妙处在于，数据质量检查因此获得了和应用程序单元测试同等的版本化、可审查的严谨性；数据工程师、分析工程师和机器学习从业者也能用同一种语言来描述什么才是合格的数据。
相关文章
暂无针对该项目的文章。
如需补充新闻资讯、使用教程、应用测评等内容，欢迎 联系我们推荐选题或投稿。
同类热门项目
unsloth
本地UI，用于运行和训练LLM及扩散模型。支持GGUF、MLX、Qwen3.8、Kimi K3、MiniMax-H3、Gemma 4、FLUX等。
LlamaFactory
统一高效微调100+大语言模型与视觉语言模型（ACL 2024）
airflow
Apache Airflow - 一个以编程方式编写、调度和监控工作流的平台
langfuse
🪢 开源AI工程平台：LLM评估、可观测性、指标、提示管理、游乐场、数据集。与OpenTelemetry、LangChain、OpenAI SDK、LiteLLM等集成。🍊YC W23
netron
神经网络、深度学习和机器学习模型的可视化工具