MCP HubMCP Hub
Retour aux compétences

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

DNYoussef
Mis à jour 1 month ago
192 vues
3
3
Voir sur GitHub
Autremltrainingdeploymentmodel-developmentneural-networks

À propos

Cette compétence offre un flux de travail spécialisé pour le développement, l'entraînement et le déploiement de modèles d'apprentissage automatique, prenant en charge des architectures telles que les CNN et les RNN. Utilisez-la lorsque vous avez besoin de construire un nouveau modèle, nécessitez un entraînement ou préparez un déploiement en production. Elle gère l'intégralité du pipeline, du développement à la génération de packages de déploiement et de rapports d'évaluation.

Installation rapide

Claude Code

Recommandé
Principal
npx skills add DNYoussef/ai-chrome-extension -a claude-code
Commande PluginAlternatif
/plugin add https://github.com/DNYoussef/ai-chrome-extension
Git CloneAlternatif
git clone https://github.com/DNYoussef/ai-chrome-extension.git ~/.claude/skills/when-developing-ml-models-use-ml-expert

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

Dépôt GitHub

DNYoussef/ai-chrome-extension
Chemin: .claude/skills/machine-learning/when-developing-ml-models-use-ml-expert
0

Compétences associées

when-debugging-ml-training-use-ml-training-debugger

Autre

Cette compétence aide les développeurs à diagnostiquer et résoudre les problèmes courants d'entraînement en apprentissage automatique tels que la divergence de la perte, le surajustement et la convergence lente. Elle fournit un débogage systématique pour identifier les causes profondes et générer des correctifs pour les problèmes d'entraînement. Utilisez-la lorsque vous rencontrez de mauvaises performances de validation ou une instabilité de l'entraînement afin de rétablir la convergence du modèle.

Voir la compétence

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

Autre

Cette compétence offre un flux de travail structuré pour le développement, l'entraînement et le déploiement de modèles d'apprentissage automatique, prenant en charge des architectures comme les CNN et les RNN. Utilisez-la lorsque vous avez besoin de construire un nouveau modèle, de réentraîner un modèle existant ou de préparer un modèle pour un déploiement en production. Elle gère l'intégralité du pipeline, depuis l'entraînement avec des frameworks comme TensorFlow/PyTorch jusqu'à la génération de packages prêts pour le déploiement et de rapports d'évaluation.

Voir la compétence

when-debugging-ml-training-use-ml-training-debugger

Autre

Cette compétence aide à déboguer et optimiser les problèmes d'entraînement en apprentissage automatique tels que la divergence de la perte, le surajustement et la convergence lente. Elle fournit un diagnostic systématique, identifie les causes racines et propose des corrections avec des comparaisons de performances. Utilisez-la en cas d'échecs d'entraînement, de faibles performances en validation, ou lorsque vous avez besoin de recommandations d'optimisation.

Voir la compétence

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