Awesome GitHub RepositoriesData Workflow Execution

Kedro is a data science pipeline framework and orchestration tool designed to build reproducible and modular data engineering workflows. It functions as an MLOps project template and Python data workflow tool that enforces software engineering best practices to move projects from prototype to production. The system distinguishes itself through a centralized data catalog manager that abstracts data access and versioning across various file formats and cloud storage systems. It further separates processing logic from data access via a lazy-loading data registry and provides a standardized proje

Metaflow is a Python machine learning framework and MLOps workflow orchestrator designed to manage the lifecycle of data pipelines from local prototyping to production. It serves as a distributed compute manager and an experiment tracking system, enabling the creation of reproducible pipelines that transition between development and high-availability production environments. The framework distinguishes itself through an integrated checkpointing system that automatically persists intermediate data artifacts to remote storage, allowing failed runs to be resumed from the last successful step. It

هذا المشروع عبارة عن محرك سير عمل للتعلم الآلي حاوي (containerized) ومنسق مصمم لأتمتة دورة حياة نماذج التعلم الآلي من البداية إلى النهاية على مجموعات Kubernetes. يعمل كمجمع لخط أنابيب MLOps يحول لغة خاصة بالمجال إلى مواصفات مهيكلة للنشر المحمول والقابل للتوسع. توفر المنصة بيئة متعددة المستأجرين مع مساحات أسماء معزولة ومصادقة موفر الهوية. يتميز بدمج عزل المهام القائم على الحاويات، وإدارة القطع الأثرية (artifacts) ذات النوع القوي لتمرير البيانات، والتخزين المؤقت للنتائج القابل للعنونة بالمحتوى لتجنب الحسابات الزائدة. يغطي النظام تنسيق سير العمل الشامل، بما في ذلك تنفيذ المهام المتوازي، وجدولة التشغيل المتكرر، ومنطق التفرع الشرطي. كما يدعم تتبع التجارب، وجمع مقاييس سير العمل، وإدارة مكونات خط الأنابيب القابلة لإعادة الاستخدام، مع القدرة على تكوين طلبات موارد الأجهزة المحددة لوحدة المعالجة المركزية (CPU) والذاكرة ووحدة معالجة الرسومات (GPU). يتم توزيع البرنامج عبر Python SDK ويمكن نشره في بيئات مستقلة أو محلية أو متعددة المستأجرين.

Nextflow is a dataflow workflow engine and distributed computing framework used to build and execute data-intensive pipelines. It serves as a scientific workflow language that allows users to define reproducible data processing sequences, supporting any scripting language through shebang declarations. The system functions as a containerized pipeline orchestrator, utilizing container technologies to ensure software dependencies remain consistent across different environments. It decouples workflow logic from the underlying infrastructure, enabling the same pipeline to run on local machines, cl