ml-pipeline-orchestration

使用 Apache Airflow DAG、Kubeflow Pipelines、Prefect 流、Dagster 操作与资产、ZenML 和 Argo Workflows 实现端到端机器学习工作流的自动化。涵盖管道调度（cron、事件驱动、数据驱动触发器）、任务依赖管理、扇出/扇入模式、通过 XComs 和工件传递参数、重试与错误处理、管道监控与告警、条件分支、缓存、工件复用、管道版本控制、可重现性以及 CI/CD 集成。适用于构建或调度机器学习管道、将训练/评估/部署步骤连接为 DAG、选择或迁移编排工具，或调试管道失败与重试场景。

存档时间线

版本索引永久保留；内容副本只保留最新 1 份，更早版本仅留索引与哈希（存档时间线的证据链不会因此断裂）。

下载存档内容副本