ASD

Ml Pipeline Workflow

Construye pipelines MLOps de extremo a extremo: preparación de datos, entrenamiento, validación y despliegue en producción del modelo.

Estrellas
38.8k

en todo el repo

Actividad
35

0–100, la ruta de este skill

Actualizado
hace 5 meses

último commit aquí

Commits
0

últimos 90 días

Contexto
1.8k tok

59 tok en reposo

Paquete
1 archivo

7 KB

Instalar

Funciona con cualquier agente que lea SKILL.md

npx -y skills add wshobson/agents --skill ml-pipeline-workflow --agent claude-code

Se instala solo en este repositorio.

Qué hace

  • Guía la construcción de pipelines MLOps completos: ingesta, preparación, entrenamiento, validación, despliegue y monitoreo
  • Aporta plantillas para DAGs, configuración de entrenamiento y checklist de validación previa al despliegue
  • Documenta prácticas de modularidad, idempotencia, versionado y observabilidad por etapa

Úsalo cuando

  • Construir nuevos pipelines de ML desde cero
  • Diseñar orquestación de workflows para sistemas de ML
  • Implementar automatización de datos → modelo → despliegue
  • Crear orquestación de ML basada en DAGs

No lo uses cuando

    Qué lo activa

    Di cualquiera de estas frases y el agente debería cargar este skill.

    • Ayúdame a diseñar un pipeline de MLOps de principio a fin
    • Necesito un DAG para entrenar y desplegar un modelo en producción
    • Cómo estructuro un pipeline de reentrenamiento continuo con detección de drift

    SKILL.md

    En inglés

    ML Pipeline Workflow

    Complete end-to-end MLOps pipeline orchestration from data preparation through model deployment.

    Overview

    This skill provides comprehensive guidance for building production ML pipelines that handle the full lifecycle: data ingestion → preparation → training → validation → deployment → monitoring.

    When to Use This Skill

    • Building new ML pipelines from scratch
    • Designing workflow orchestration for ML systems
    • Implementing data → model → deployment automation
    • Setting up reproducible training workflows
    • Creating DAG-based ML orchestration
    • Integrating ML components into production systems

    What This Skill Provides

    Core Capabilities

    1. Pipeline Architecture

      • End-to-end workflow design
      • DAG orchestration patterns (Airflow, Dagster, Kubeflow)
      • Component dependencies and data flow
      • Error handling and retry strategies
    2. Data Preparation

      • Data validation and quality checks
      • Feature engineering pipelines
      • Data versioning and lineage
      • Train/validation/test splitting strategies
    3. Model Training

      • Training job orchestration
      • Hyperparameter management
      • Experiment tracking integration
      • Distributed training patterns
    4. Model Validation

      • Validation frameworks and metrics
      • A/B testing infrastructure
      • Performance regression detection
      • Model comparison workflows
    5. Deployment Automation

      • Model serving patterns
      • Canary deployments
      • Blue-green deployment strategies
      • Rollback mechanisms

    Reference Documentation

    See the references/ directory for detailed guides:

    • data-preparation.md - Data cleaning, validation, and feature engineering
    • model-training.md - Training workflows and best practices
    • model-validation.md - Validation strategies and metrics
    • model-deployment.md - Deployment patterns and serving architectures

    Assets and Templates

    The assets/ directory contains:

    • pipeline-dag.yaml.template - DAG template for workflow orchestration
    • training-config.yaml - Training configuration template
    • validation-checklist.md - Pre-deployment validation checklist

    Usage Patterns

    Basic Pipeline Setup

    # 1. Define pipeline stages
    stages = [
        "data_ingestion",
        "data_validation",
        "feature_engineering",
        "model_training",
        "model_validation",
        "model_deployment"
    ]
    
    # 2. Configure dependencies
    # See assets/pipeline-dag.yaml.template for full example
    

    Production Workflow

    1. Data Preparation Phase

      • Ingest raw data from sources
      • Run data quality checks
      • Apply feature transformations
      • Version processed datasets
    2. Training Phase

      • Load versioned training data
      • Execute training jobs
      • Track experiments and metrics
      • Save trained models
    3. Validation Phase

      • Run validation test suite
      • Compare against baseline
      • Generate performance reports
      • Approve for deployment
    4. Deployment Phase

      • Package model artifacts
      • Deploy to serving infrastructure
      • Configure monitoring
      • Validate production traffic

    Best Practices

    Pipeline Design

    • Modularity: Each stage should be independently testable
    • Idempotency: Re-running stages should be safe
    • Observability: Log metrics at every stage
    • Versioning: Track data, code, and model versions
    • Failure Handling: Implement retry logic and alerting

    Data Management

    • Use data validation libraries (Great Expectations, TFX)
    • Version datasets with DVC or similar tools
    • Document feature engineering transformations
    • Maintain data lineage tracking

    Model Operations

    • Separate training and serving infrastructure
    • Use model registries (MLflow, Weights & Biases)
    • Implement gradual rollouts for new models
    • Monitor model performance drift
    • Maintain rollback capabilities

    Deployment Strategies

    • Start with shadow deployments
    • Use canary releases for validation
    • Implement A/B testing infrastructure
    • Set up automated rollback triggers
    • Monitor latency and throughput

    Integration Points

    Orchestration Tools

    • Apache Airflow: DAG-based workflow orchestration
    • Dagster: Asset-based pipeline orchestration
    • Kubeflow Pipelines: Kubernetes-native ML workflows
    • Prefect: Modern dataflow automation

    Experiment Tracking

    • MLflow for experiment tracking and model registry
    • Weights & Biases for visualization and collaboration
    • TensorBoard for training metrics

    Deployment Platforms

    • AWS SageMaker for managed ML infrastructure
    • Google Vertex AI for GCP deployments
    • Azure ML for Azure cloud
    • OCI Data Science for Oracle Cloud Infrastructure deployments
    • Kubernetes + KServe for cloud-agnostic serving

    Progressive Disclosure

    Start with the basics and gradually add complexity:

    1. Level 1: Simple linear pipeline (data → train → deploy)
    2. Level 2: Add validation and monitoring stages
    3. Level 3: Implement hyperparameter tuning
    4. Level 4: Add A/B testing and gradual rollouts
    5. Level 5: Multi-model pipelines with ensemble strategies

    Common Patterns

    Batch Training Pipeline

    # See assets/pipeline-dag.yaml.template
    stages:
      - name: data_preparation
        dependencies: []
      - name: model_training
        dependencies: [data_preparation]
      - name: model_evaluation
        dependencies: [model_training]
      - name: model_deployment
        dependencies: [model_evaluation]
    

    Real-time Feature Pipeline

    # Stream processing for real-time features
    # Combined with batch training
    # See references/data-preparation.md
    

    Continuous Training

    # Automated retraining on schedule
    # Triggered by data drift detection
    # See references/model-training.md
    

    Troubleshooting

    Common Issues

    • Pipeline failures: Check dependencies and data availability
    • Training instability: Review hyperparameters and data quality
    • Deployment issues: Validate model artifacts and serving config
    • Performance degradation: Monitor data drift and model metrics

    Debugging Steps

    1. Check pipeline logs for each stage
    2. Validate input/output data at boundaries
    3. Test components in isolation
    4. Review experiment tracking metrics
    5. Inspect model artifacts and metadata

    Next Steps

    After setting up your pipeline:

    1. Explore hyperparameter-tuning skill for optimization
    2. Learn experiment-tracking-setup for MLflow/W&B
    3. Review model-deployment-patterns for serving strategies
    4. Implement monitoring with observability tools

    Related Skills

    • experiment-tracking-setup: MLflow and Weights & Biases integration
    • hyperparameter-tuning: Automated hyperparameter optimization
    • model-deployment-patterns: Advanced deployment strategies

    Reproducido de wshobson/agents bajo licencia MIT. Leer esta página en markdown.

    Archivos

    1 archivo en el paquete. Solo se lee SKILL.md al activarse — las referencias se cargan si el skill decide que las necesita.

    Antes de instalar

    Asume el uso de herramientas de orquestación (Airflow, Dagster, Kubeflow), registro de experimentos (MLflow, W&B) y versionado de datos (DVC).

    Detalles

    Creador
    wshobson
    Licencia
    MIT
    Recursos incluidos
    Solo SKILL.md
    Repositorio
    wshobson/agents
    Código fuente
    Ver SKILL.md

    Etiquetas

    Más de wshobson/agents

    Este repo incluye 180 skills. Si instalas uno, normalmente ya tienes los demás.

    Úsalo al seleccionar y colocar iconos, imágenes, SVGs, diagramas o infografías de apoyo aprobados en un PPTX editable.

    Costo de contexto al activarse
    344 tok
    Tamaño del paquete
    2 archivos
    Última actualización
    hace 26 días
    documentos

    Úsalo cuando pidan optimizar un prompt, mejorar su rendimiento, diseñar una plantilla, aplicar chain-of-thought, few-shot prompting o técnicas avanzadas de prompt engineering para producción.

    Costo de contexto al activarse
    1.3k tok
    Tamaño del paquete
    10 archivos
    Última actualización
    el mes pasado
    herramientas desarrollo

    Úsalo al redactar o reparar una especificación JSON con coordenadas explícitas para un PPTX editable.

    Costo de contexto al activarse
    489 tok
    Tamaño del paquete
    2 archivos
    Última actualización
    hace 26 días
    documentos

    Úsalo para validar o reparar un PPTX editable en cuanto a geometría, accesibilidad, editabilidad nativa, linaje de fuente e integridad del paquete OOXML.

    Costo de contexto al activarse
    409 tok
    Tamaño del paquete
    2 archivos
    Última actualización
    hace 26 días
    documentos

    Úsalo para analizar un PPTX de referencia en modo solo lectura: estructura, tema, tipografía, ritmo de layout, diagnósticos, catálogos de plantillas derivados o inspección segura del paquete OOXML.

    Costo de contexto al activarse
    689 tok
    Tamaño del paquete
    8 archivos
    Última actualización
    hace 26 días
    documentos

    Úsalo al preparar la narrativa, las fuentes y el contexto de diseño para un nuevo deck PPTX editable.

    Costo de contexto al activarse
    415 tok
    Tamaño del paquete
    2 archivos
    Última actualización
    hace 26 días
    documentos

    Skills relacionados

    Combina búsqueda vectorial y por palabras clave para mejorar la recuperación. Útil al implementar RAG, motores de búsqueda o cuando ningún enfoque solo basta.

    Costo de contexto al activarse
    508 tok
    Tamaño del paquete
    2 archivos
    Última actualización
    hace 2 meses
    datos analitica

    Transforma datos en narrativas persuasivas usando visualización, contexto y estructura. Útil al presentar analíticas a stakeholders, crear reportes o presentaciones ejecutivas.

    Costo de contexto al activarse
    530 tok
    Tamaño del paquete
    2 archivos
    Última actualización
    hace 2 meses
    datos analitica

    Testea contratos inteligentes de forma exhaustiva con Hardhat y Foundry: tests unitarios, de integración y forking de mainnet.

    Costo de contexto al activarse
    2k tok
    Tamaño del paquete
    2 archivos
    Última actualización
    hace 2 meses
    testing qa