when-debugging-ml-training-use-ml-training-debugger
À propos
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.
Installation rapide
Claude Code
Recommandénpx skills add aiskillstore/marketplace -a claude-code/plugin add https://github.com/aiskillstore/marketplacegit clone https://github.com/aiskillstore/marketplace.git ~/.claude/skills/when-debugging-ml-training-use-ml-training-debuggerCopiez et collez cette commande dans Claude Code pour installer cette compétence
Dépôt GitHub
Compétences associées
when-debugging-ml-training-use-ml-training-debugger
AutreCette 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.
when-developing-ml-models-use-ml-expert
AutreCette 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.
when-developing-ml-models-use-ml-expert
AutreCette 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.
content-collections
MétaCette 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.