Ir al contenido
↑↓navegar↵abriresccerrar
Claude+372Whisper+228LangChain+168Codex+223NotebookLM+276DALL-E 3+192DeepL+249n8n+208Topaz Video AI+153LlamaIndex+161
Machine Learning Ops logo
Habilidad

Machine Learning Ops

Pipelines MLOps y un marco de recomendación en seis etapas

0
GuardarVisitar sitio web ↗
Estrellas en GitHub
39 mil
Repositorio en GitHub

Instalación

Claude Code: /plugin marketplace add wshobson/agents → /plugin install machine-learning-ops@claude-code-workflows
Se activa con

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.

Comentarios(0)

Inicia sesión para comentar

Aún no hay comentarios. Sé el primero.

Habilidades similares

Denunciar este comentario

¿Por qué quieres denunciarlo?