ml-pipeline

设计并实现生产级 ML 管道基础设施：配置 MLflow 或 Weights & Biases 的实验跟踪，创建 Kubeflow 或 Airflow DAG 以进行训练编排，使用 Feast 构建特征存储模式，部署模型注册表，并自动化重新训练和验证工作流。适用于构建 ML 管道、编排训练工作流、自动化模型生命周期、实现特征存储、管理实验跟踪系统、设置 DVC 进行数据版本控制、调整超参数或配置 Kubeflow、Airflow、MLflow 或 Prefect 等 MLOps 工具。