when-developing-ml-models-use-ml-expert

Esta habilidad ayuda a los desarrolladores a diagnosticar y solucionar problemas comunes del entrenamiento de aprendizaje automático, como la divergencia de la pérdida, el sobreajuste y la convergencia lenta. Proporciona depuración sistemática para identificar causas raíz y generar soluciones para problemas de entrenamiento. Úsela cuando encuentre un rendimiento de validación deficiente o inestabilidad en el entrenamiento para restaurar la convergencia del modelo.

Esta habilidad proporciona un flujo de trabajo estructurado para desarrollar, entrenar e implementar modelos de aprendizaje automático, compatible con arquitecturas como CNN y RNN. Úsela cuando necesite construir un nuevo modelo, reentrenar uno existente o preparar un modelo para implementación en producción. Maneja el ciclo completo, desde el entrenamiento con frameworks como TensorFlow/PyTorch hasta la generación de paquetes listos para implementación e informes de evaluación.

Esta habilidad ayuda a depurar y optimizar problemas en el entrenamiento de aprendizaje automático, como la divergencia de la pérdida, el sobreajuste y la convergencia lenta. Proporciona diagnósticos sistemáticos, identifica causas raíz y ofrece soluciones con comparaciones de rendimiento. Úsela cuando enfrente fallos en el entrenamiento, rendimiento deficiente en validación o necesite recomendaciones de optimización.

Esta habilidad proporciona una configuración probada en producción para Content Collections, una herramienta centrada en TypeScript que transforma archivos Markdown/MDX en colecciones de datos con tipado seguro mediante validación Zod. Úsala al construir blogs, sitios de documentación o aplicaciones Vite + React con mucho contenido para garantizar seguridad de tipos y validación automática de contenido. Abarca todo, desde la configuración del plugin de Vite y compilación MDX hasta la optimización de despliegue y validación de esquemas.