Persönlich nutze ich gerade gerne:

für schnelle deployments von Modellen:

tiangolo/fastapi
FastAPI framework, high performance, easy to learn, fast to code, ready for production - tiangolo/fastapi

..schnell im Sinne von Entwicklungsgeschwindigkeit als auch Produktionseinsatz. Inklusiver automatischer interaktiver swagger-Dokumentation.

Automatische Verarbeitung von Inputs wie sales, event-logs und Stammsätzen zu machine learning features:

Featuretools | An open source framework for automated feature engineering Quick Start

Best-in-class Modell-Familie für strukturierte Daten, robust mit vernünftigen defaults:

CatBoost - state-of-the-art open-source gradient boosting library with categorical features support
CatBoost - state-of-the-art open-source gradient boosting library with categorical features support, https://catboost.yandex/ #catboost

Fantastische Trefferquote, kurze Laufzeit, Vergleiche hundert-tausende Datensätze und detektiere Dubletten:

dedupeio/dedupe
:id: A python library for accurate and scalable fuzzy matching, record deduplication and entity-resolution. - dedupeio/dedupe

Möchte ich mal ausprobieren:

Zehn Zeilen Code, für ein Deployment zu 20€/Monat mit 99% Uptime, hmm.. Kombiniere drei davon: 0,999999% uptime, das ist eine halbe Minute pro Jahr. Zu 60€/Monat... where's the catch?

ebhy/budgetml
Deploy a ML inference service on a budget in less than 10 lines of code. - ebhy/budgetml