Machine Learning Ops
Pipelines MLOps et cadre de recommandation en six étapes
Installation
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
- Auteur
- Seth Hobson
- Licence
- MIT
La compétence de pipeline couvre les fondations du MLOps : orchestration de DAG avec Airflow, Dagster ou Kubeflow, versionnage des données, suivi des expériences, déploiements canary et blue-green, ainsi que restauration. La seconde compétence reprend les étapes Source, Hydrator, Filter, Scorer, Selector et SideEffect de l’algorithme For You publié par xAI, sous forme d’une réimplémentation indépendante. Ce cadre peut aussi servir à un reclassement RAG, une file de tri de notifications ou une priorisation d’alertes, tandis que trois agents se répartissent la science des données, l’ingénierie des modèles et l’exploitation.
Compétences similaires
Astronomer Agent Skills
CompétenceDes compétences Airflow publiées par l’entreprise derrière Astro
Data Engineering
CompétenceQuatre skills pour Airflow, dbt, Spark et la qualité des données
MLflow Skills
CompétenceInstrumente, évalue et vérifie les améliorations des agents
Commentaires(0)
Connectez-vous pour commenter