# Оркестрация пайплайнов

← [Раздел](README.md) · [Главная](../README.md)

## Цель

Понять роль **Оркестрация пайплайнов** в MLOps-стеке и связь с MLflow.

## Предварительно

- [Experiment Tracking](experiment-tracking.md)

## Время

**2–3 ч**

---

## Зачем

Обучение — цепочка: extract → validate → train → evaluate → register.

## Инструменты

| | Характер |
|---|----------|
| **Airflow** | DAG, mature, batch |
| **Prefect / Dagster** | Modern Python orchestration |
| **Kubeflow Pipelines** | Native K8s ML |
| **Argo Workflows** | K8s jobs |

## Интеграция с MLflow

Каждый шаг pipeline создаёт nested run или один parent run с tags `pipeline_id`.

## Идемпотентность

Повторный запуск DAG не должен портить production registry — используйте staging.

---

## Самопроверка

1. Какую проблему решает «Оркестрация пайплайнов»?
2. Какой инструмент вы бы выбрали для старта?
3. Что логировать в MLflow из этого компонента?

---

## Дальше

→ [Инфраструктура обучения](infrastruktura-obucheniya.md)