Machine Learning Ops
Pipelines MLOps y un marco de recomendación en seis etapas
Instalación
Claude Code: /plugin marketplace add wshobson/agents → /plugin install machine-learning-ops@claude-code-workflows
Model eğitim ve dağıtım hattı kurulurken ya da bir kullanıcı-bağlam çifti için en iyi K öğeyi seçen bir öneri/sıralama sistemi tasarlanırken
- Autor
- Seth Hobson
- Licencia
- MIT
La skill de pipelines cubre la base habitual de MLOps: orquestación de DAG con Airflow, Dagster o Kubeflow, versionado de datos, seguimiento de experimentos y despliegues canary o blue-green con reversión. La segunda implementa de forma independiente las etapas Source, Hydrator, Filter, Scorer, Selector y SideEffect del algoritmo For You publicado por xAI, partiendo de que en la mayoría de los recomendadores de producción cambia el sistema de puntuación, pero no la estructura del pipeline. Las mismas seis etapas pueden aplicarse a un reclasificador RAG, una cola de triaje de notificaciones o un sistema de priorización de alertas, mientras tres agentes dividen el trabajo entre ciencia de datos, ingeniería de modelos y operaciones.
Habilidades similares
Astronomer Agent Skills
HabilidadHabilidades de Airflow creadas por la empresa que mantiene Astro
Data Engineering
HabilidadCuatro skills para Airflow, dbt, Spark y calidad de datos
MLflow Skills
HabilidadInstrumenta, evalúa, mejora y verifica agentes con MLflow

Comentarios(0)
Inicia sesión para comentar