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

Этот навык помогает разработчикам диагностировать и исправлять типичные проблемы машинного обучения, такие как расхождение функции потерь, переобучение и медленная сходимость. Он предоставляет систематический подход к отладке для выявления первопричин и генерации решений для проблем обучения. Используйте его при возникновении низкой производительности на валидационных данных или нестабильности обучения, чтобы восстановить сходимость модели.

Этот навык предоставляет структурированный рабочий процесс для разработки, обучения и развертывания моделей машинного обучения, поддерживая такие архитектуры, как CNN и RNN. Используйте его, когда вам необходимо создать новую модель, переобучить существующую или подготовить модель к промышленному развертыванию. Он охватывает весь конвейер — от обучения с использованием фреймворков, таких как TensorFlow/PyTorch, до генерации готовых к развертыванию пакетов и оценочных отчетов.

Этот навык помогает отлаживать и оптимизировать проблемы машинного обучения, такие как расхождение функции потерь, переобучение и медленная сходимость. Он обеспечивает системную диагностику, выявляет первопричины и предлагает исправления со сравнением производительности. Используйте его при возникновении сбоев обучения, низкой производительности на валидации или необходимости в рекомендациях по оптимизации.

Этот навык предоставляет проверенную в продакшене настройку для Content Collections — TypeScript-ориентированного инструмента, который преобразует файлы Markdown/MDX в типобезопасные коллекции данных с валидацией Zod. Используйте его при создании блогов, сайтов документации или контентных приложений на Vite + React для обеспечения типобезопасности и автоматической проверки содержимого. Он охватывает всё: от настройки плагина Vite и компиляции MDX до оптимизации развертывания и валидации схем.