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

이 스킬은 손실 발산, 과적합, 수렴 지연과 같은 일반적인 머신러닝 훈련 문제를 개발자가 진단하고 수정하는 데 도움을 줍니다. 훈련 문제의 근본 원인을 식별하고 수정 방안을 제시하는 체계적인 디버깅을 제공합니다. 검증 성능이 저하되거나 훈련 불안정성을 겪을 때 모델 수렴을 회복하기 위해 사용하세요.

이 스킬은 CNN과 RNN 같은 아키텍처를 지원하며, 머신러닝 모델의 개발, 훈련, 배포를 위한 구조화된 워크플로를 제공합니다. 새로운 모델을 구축하거나 기존 모델을 재훈련시키거나, 프로덕션 배포를 위해 모델을 준비해야 할 때 사용하세요. TensorFlow/PyTorch 같은 프레임워크로 훈련하는 단계부터 배포 가능한 패키지와 평가 보고서를 생성하는 것까지 전체 파이프라인을 처리합니다.

이 스킬은 손실 발산, 과적합, 수렴 지연과 같은 머신러닝 훈련 문제를 디버깅하고 최적화하는 데 도움을 줍니다. 체계적인 진단을 제공하며 근본 원인을 식별하고 성능 비교와 함께 해결책을 제시합니다. 훈련 실패, 낮은 검증 성능에 직면했거나 최적화 권장 사항이 필요할 때 사용하세요.

이 스킬은 콘텐츠 콜렉션(Content Collections)을 위한 프로덕션 검증된 설정을 제공합니다. 콘텐츠 콜렉션은 Markdown/MDX 파일을 Zod 검증이 포함된 타입 안전한 데이터 콜렉션으로 변환해주는 TypeScript 최우선 도구입니다. 블로그, 문서 사이트 또는 콘텐츠 중심의 Vite + React 애플리케이션을 구축할 때 타입 안전성과 자동 콘텐츠 검증을 보장하기 위해 사용하세요. Vite 플러그인 구성과 MDX 컴파일부터 배포 최적화 및 스키마 검증에 이르기까지 모든 것을 다룹니다.