MCP HubMCP Hub
SKILL·32DED2

Deploying Machine Learning Models

intent-solutions-io
Mis à jour 1 month ago
10 vues
6
6
Voir sur GitHub
Métaaiapiautomation

À propos

Cette Compétence Claude automatise le déploiement en production de modèles de machine learning entraînés, incluant la création d'API de service et la mise en œuvre des bonnes pratiques. Utilisez-la lorsque vous avez besoin de mettre un modèle en production, de le servir via une API ou de gérer des workflows de déploiement. Elle se concentre sur l'optimisation des performances et la gestion du processus de déploiement.

Installation rapide

Claude Code

Recommandé
Principal
npx skills add intent-solutions-io/plugins-nixtla -a claude-code
Commande PluginAlternatif
/plugin add https://github.com/intent-solutions-io/plugins-nixtla
Git CloneAlternatif
git clone https://github.com/intent-solutions-io/plugins-nixtla.git ~/.claude/skills/Deploying Machine Learning Models

Copiez et collez cette commande dans Claude Code pour installer cette compétence

Dépôt GitHub

intent-solutions-io/plugins-nixtla
Chemin: 010-archive/backups-20251108/plugin-enhancements/plugin-backups/model-deployment-helper_20251019_181423/skills/skill-adapter
0
aiclaude-codeforecastingmachine-learningmlforecastneuralforecast
FAQ

Frequently asked questions

What is the Deploying Machine Learning Models skill?

Deploying Machine Learning Models is a Claude Skill by intent-solutions-io. Skills package instructions and resources that Claude loads on demand, so Claude can perform Deploying Machine Learning Models-related tasks without extra prompting.

How do I install Deploying Machine Learning Models?

Use the install commands on this page: add Deploying Machine Learning Models to Claude Code as a plugin, or clone its repository into your skills directory, then restart Claude so it picks up the skill.

What category does Deploying Machine Learning Models belong to?

Deploying Machine Learning Models is in the Meta category, tagged ai, api and automation.

Is Deploying Machine Learning Models free to use?

Yes. Deploying Machine Learning Models is listed on AIMCP and free to install. It runs inside Claude, so no separate service account is required to use the skill itself.

Compétences associées

content-collections
Méta

Cette compétence propose une configuration éprouvée en production pour Content Collections, un outil axé sur TypeScript qui transforme des fichiers Markdown/MDX en collections de données typées de manière sûre avec une validation Zod. Utilisez-la lors de la création de blogs, de sites de documentation ou d'applications Vite + React riches en contenu pour garantir la sécurité de typage et la validation automatique du contenu. Elle couvre tout, de la configuration du plugin Vite et de la compilation MDX à l'optimisation des déploiements et la validation des schémas.

Voir la compétence
polymarket
Méta

Cette compétence permet aux développeurs de créer des applications avec la plateforme de marchés prédictifs Polymarket, incluant l'intégration d'API pour le trading et les données de marché. Elle fournit également une diffusion de données en temps réel via WebSocket pour surveiller les transactions en direct et l'activité du marché. Utilisez-la pour mettre en œuvre des stratégies de trading ou pour créer des outils traitant les mises à jour de marché en direct.

Voir la compétence
creating-opencode-plugins
Méta

Cette compétence aide les développeurs à créer des plugins OpenCode qui s'interconnectent avec plus de 25 types d'événements tels que les commandes, les fichiers et les opérations LSP. Elle fournit la structure du plugin, les spécifications de l'API événementielle et les modèles d'implémentation pour les modules JavaScript/TypeScript. Utilisez-la lorsque vous avez besoin d'intercepter, de surveiller ou d'étendre le cycle de vie de l'assistant IA OpenCode avec une logique personnalisée pilotée par les événements.

Voir la compétence
sglang
Méta

SGLang est un framework de service LLM haute performance spécialisé dans la génération rapide et structurée pour les workflows JSON, regex et agentiques grâce à son cache de préfixe RadixAttention. Il offre une inférence nettement plus rapide, particulièrement pour les tâches avec des préfixes répétés, ce qui le rend idéal pour les sorties complexes et structurées ainsi que les conversations multi-tours. Choisissez SGLang plutôt que des alternatives comme vLLM lorsque vous avez besoin d'un décodage contraint ou que vous construisez des applications avec un partage étendu de préfixes.

Voir la compétence