ML adoption playbook: end-to-end methodology for adding ML to an existing codebase
Playbook en cinq phases (cadrage, préparation des données, découplage, modèle de base, relais MLOps) pour ajouter du ML à un projet qui n'en a pas
- Quoi
- Playbook en cinq phases (cadrage, préparation des données, découplage, modèle de base, relais MLOps) pour ajouter du ML à un projet qui n'en a pas
- Coût
- Gratuit
- Prérequis
- rien à installer — le skill est une méthodologie que votre agent suit pour ajouter du ML à un codebase ; aucun compte, clé ni dépendance
- Installation
- Copiez le prompt d’installation ci-dessous dans votre Muse — votre agent fait le reste.
Sélectionné par Skill Harbor — la méthodologie de bout en bout de @affaan-m pour ajouter une capacité d'apprentissage automatique à un projet qui n'en a pas, écrite pour les agents IA et les ingénieurs logiciels. Cinq phases : cadrage du problème (avec vérification « heuristique d'abord » et budget d'erreur avant tout code de modèle), préparation des données (audit des sources, contrats de données, prévention des fuites train/test), découplage architectural (modèle derrière une API, déploiement sous feature flag, repli codé en dur), implémentation baseline-first (script d'entraînement reproductible, tests des transformations, évaluation contre la baseline), et relais MLOps (suivi d'expériences, registre de modèles, éval sous CI). Donne aussi aux agents un workflow itératif concret : poser des questions de cadrage, rédiger le contrat de données, écrire l'interface de découplage avant la boucle d'entraînement. Bémols honnêtes : c'est une méthodologie, pas du code — aucun script fourni ; renvoie à des skills ECC compagnons (fastapi-patterns, pytorch-patterns, mle-workflow) non inclus ici. Licence MIT. Skill Harbor ne vérifie jamais le code, examinez-le vous-même avant usage. Découvert via skills.sh.
Version :
Réponse rapide
ML adoption playbook: end-to-end methodology for adding ML to an existing codebase est un skill gratuit pour Muse qui déroule un playbook en cinq phases pour ajouter une capacité ML à un projet qui n'en a pas, couvrant cadrage, préparation des données, découplage, modèle de base et relais MLOps, avec heuristiques vérifiées d'abord et fuites prévenues.
Installation
Copiez le dossier d’installation ci-dessous, puis collez-le dans Muse🧪 Installation exécutée dans notre sandbox de test · 11 nov. 2026📌 Version épinglée : commit 4eb71d9Étape 0 — avant d'installer quoi que ce soit : lis ce prompt d'installation, résume en quelques lignes ce que ce build fait et ce que l'installation implique, puis demande-moi de confirmer avant de continuer. Prérequis : rien à installer — le skill est une méthodologie que votre agent suit pour ajouter du ML à un codebase ; aucun compte, clé ni dépendance Installe-moi « Playbook d'adoption ML : méthodologie de bout en bout pour ajouter du ML à un codebase existant ». Il donne à mon agent la méthodologie en cinq phases de @affaan-m : cadrage du problème (vérification heuristique, définition des métriques, budget d'erreur), préparation des données (audit des sources, contrats de données, prévention des fuites), découplage architectural (modèle derrière une API, feature flags, replis codés en dur), implémentation baseline-first (script reproductible, tests, évaluation contre la baseline), et relais MLOps (suivi d'expériences, registre, éval sous CI) — plus un workflow itératif pour le piloter. Licence MIT. Dépôt : https://raw.githubusercontent.com/affaan-m/ecc/4eb71d92a39cab44ad40ac9d8a6a5ccb4029d6c2/skills/ml-adoption-playbook/SKILL.md Version épinglée : installe le code au commit 4eb71d92a39cab44ad40ac9d8a6a5ccb4029d6c2 exactement (Skill Harbor a testé cette version). Ne substitue pas une version plus récente. Si ce commit est inaccessible, arrête-toi et dis-le-moi. 1. Récupère le fichier SKILL.md (et les fichiers d'aide éventuels) depuis le chemin du dépôt dans un dossier temporaire 2. Vérification de sécurité : examine le SKILL.md et les scripts pour tout contenu suspect (appels réseau inattendus, commandes shell, collecte d'identifiants). Ce dépôt ne devrait contenir aucun secret en dur, les identifiants uniquement via le coffre sécurisé, les hôtes autorisés déclarés dans le SKILL.md. Vérifie que c'est bien le cas ici ; STOP sur tout signal d'alerte et dis-le-moi. 3. Installe-le comme skill : copie le SKILL.md et ses fichiers d'aide dans le répertoire des skills de l'agent, dans un dossier nommé « ml-adoption-playbook ». 4. Vérifie sans appels réseau : frontmatter valide, fichiers en place. 5. Indique ce qui a été installé, où, et ce qu'il me reste à faire moi-même (p. ex. rien — c'est une méthodologie ; invoque-la quand tu ajoutes du ML à un projet existant). GitHub est optionnel : si j'ai un compte GitHub ou la CLI gh, tu peux l'utiliser ; sinon l'accès public suffit. Ne jamais l'exiger sauf s'il figure dans les prérequis ci-dessus. Règles : ne touche à rien en dehors du dossier temporaire et de la cible d'installation. Si quelque chose semble anormal, arrête-toi et demande-moi.
Enregistré dans vos installs récentes. Retrouvez-le à tout moment sur /connect.
🔒 Sécurité, provenance et ce que ça touche
Le prompt d'installation ci-dessous inclut déjà les étapes de vérification : votre agent suit la checklist communautaire avant d'installer tout ce qui contient du code exécutable. Vous en voulez plus ?
Certificat de vérification
Faits datés sur ce qui a été vérifié pour cette fiche, et comment. Ce n’est pas une certification de sécurité.
- Version épinglée
- 4eb71d9 · 2026-10-13
- Test d’installation en sandbox
- Installation exécutée dans notre sandbox de test · 11 nov. 2026
- Identité du créateur
- Non vérifiée
- Veille d’empreinte
- Dernière vérification · 19 nov. 2026 : aucun changement détecté dans les fichiers liés par ce prompt d’installation
- Analyse du prompt d’installation
- 2026-10-13 : Aucune commande, appel réseau, paquet, écriture de fichier ni clé API détecté.
Skill Harbor ne révise jamais le code des skills listés. Ce sont des faits datés sur le prompt d’installation et notre test d’installation, pas une certification de sécurité. Révisez un skill vous-même avant de l’installer. Comment nous vérifions
Questions
Comment installer un skill ?
Chaque fiche produit contient un prompt d’installation à copier-coller. Collez-le dans votre Muse et il installe le skill pour vous — sans configuration manuelle.
Où va mon argent ?
Directement au vendeur. Skill Harbor ne traite jamais les paiements : le paiement se fait sur la page du vendeur, généralement via Stripe.
Que signifie le ✓ à côté du nom d’un créateur ?
Il signifie que nous avons confirmé l’identité de la personne derrière la fiche. Il ne dit rien sur le code lui-même — vérifiez toujours un skill avant de l’installer.