khajafaizahmed/ai-ml-engineering-portfolio

# AI/ML 工程作品集  一系列面向生产环境的 Python 项目集，涵盖检索增强生成、机器学习模型部署以及安全事件检测。本代码库强调经过测试的代码、可复现的本地执行、CI、容器化服务以及监控资源。 ## 项目 | 项目 | 重点 | 亮点 | |---|---|---| | `local-llm-document-qa-rag` | 检索增强的文档问答 | 文档加载、分块、embeddings、向量搜索、带引用的答案、CLI/API、评估测试 | | `ml-model-deployment-pipeline` | ML 模型训练与部署 | PyTorch 模型、FastAPI 服务、模型注册表、回滚支持、Prometheus 指标、Grafana 仪表板 | | `real-time-security-log-detection-pipeline` | 安全日志解析与检测 | SSH 认证日志解析器、滑动窗口检测规则、离线演示、流式组件、监控仪表板 | ## 代码库结构 ``` .github/workflows/ci.yml docs/project-overview.pdf local-llm-document-qa-rag/ ml-model-deployment-pipeline/ real-time-security-log-detection-pipeline/ run_all_tests.ps1 run_all_tests.sh ``` ## 运行所有测试 Windows PowerShell: ``` .\run_all_tests.ps1 ``` Linux/macOS: ``` ./run_all_tests.sh ``` GitHub Actions 也会在 push 和 pull request 时运行所有三个项目的测试套件。 ## 本地查看 每个项目都有自己的 README，包含设置和使用详情。 ``` cd local-llm-document-qa-rag pip install -e ".[dev]" python -m unittest discover -s tests ``` ``` cd ml-model-deployment-pipeline pip install -e ".[dev]" python -m pytest -q ``` ``` cd real-time-security-log-detection-pipeline pip install -e ".[dev]" python -m unittest discover -s tests python -m security_pipeline.offline_demo --input data/sample_auth.log --output alerts.jsonl ``` ## 架构说明 提供了一份高层架构和实现概述，可在此处查看： ``` docs/project-overview.pdf ``` ## 范围 这些项目的规模经过刻意精简，以便在本地运行，同时仍能演示生产级的工程模式：包结构、测试、CI、容器文件、服务 API、监控配置、模型/版本管理以及可复现的样本数据。

标签：AI/ML工程, AI合规, AV绕过, Cutter, FastAPI, Python, RAG, 凭据扫描, 安全日志检测, 无后门, 机器学习部署, 自定义请求头, 请求拦截, 逆向工具