ml-pipeline-workflow
Zautomatyzuj pełny cykl życia modeli ML od danych do produkcji
Instalacja
Wybierz klienta i sklonuj repozytorium do odpowiedniego katalogu skilli.
Instalacja
O skillu
Skill do budowania kompleksowych pipeline'ów MLOps, które obsługują całą ścieżkę: przygotowanie danych, trenowanie modeli, walidację i wdrożenie do produkcji. Zawiera wzorce orchestracji (Airflow, Dagster, Kubeflow), strategie deploymentu (canary, blue-green) oraz mechanizmy rollbacku. Idealne do automatyzacji powtarzalnych workflow'ów treningowych i integracji komponentów ML w systemach produkcyjnych.
Jak używać
Zainstaluj skill w swoim środowisku agenta Claude/Copilot, dodając go do konfiguracji dostępnych umiejętności.
Zdefiniuj architekturę pipeline'u, określając kolejność etapów: ingestion danych → przygotowanie → trenowanie → walidacja → deployment. Skill pomaga zaprojektować DAG (directed acyclic graph) z zależnościami między komponentami i strategiami obsługi błędów.
Skonfiguruj etap przygotowania danych, uwzględniając walidację jakości, feature engineering, versionowanie danych oraz podział na zbiory treningowy, walidacyjny i testowy.
Ustaw orchestrację trenowania modelu, włączając zarządzanie hiperparametrami, integrację z narzędziami do śledzenia eksperymentów oraz wzorce dla trenowania rozproszonego.
Wdrażaj modele do produkcji, wybierając strategię deploymentu (canary lub blue-green) i definiując mechanizmy rollbacku na wypadek problemów z wydajnością.
Monitoruj pipeline w działaniu, korzystając z wbudowanych ram do walidacji, A/B testowania i detekcji regresji wydajności modelu.