ML model training — end-to-end training pipeline with scikit-learn, PyTorch and TensorFlow
Script d'entraînement complet comparant régression logistique, Random Forest, Gradient Boosting, un MLP PyTorch et un réseau Keras sur dataset synthétique, avec métriques et graphes comparatifs
- Quoi
- Script d'entraînement complet comparant régression logistique, Random Forest, Gradient Boosting, un MLP PyTorch et un réseau Keras sur dataset synthétique, avec métriques et graphes comparatifs
- Coût
- Gratuit
- Prérequis
- Python avec scikit-learn, numpy, pandas, matplotlib ; torch et tensorflow pour les parties deep learning — un vrai dataset pour du vrai travail
- Installation
- Copiez le prompt d’installation ci-dessous dans votre Muse — votre agent fait le reste.
Sélectionné par Skill Harbor — le skill d'entraînement ML de @aj-geddes : un pipeline d'entraînement complet et exécutable en un seul fichier. Génère un dataset synthétique de classification binaire, puis entraîne et compare cinq modèles face à face — régression logistique, Random Forest, Gradient Boosting (scikit-learn), un MLP PyTorch avec dropout, et un réseau Keras Sequential — avec scaling standard, split train/test, métriques accuracy/précision/recall/F1/ROC-AUC, courbes de loss d'entraînement et graphes comparatifs. Se termine par les bonnes pratiques d'entraînement (splits, scaling, validation croisée, early stopping, équilibrage des classes) et un aide-mémoire des métriques. Bémols honnêtes : il entraîne sur un dataset synthétique pour démontrer le pipeline — utilisez vos propres données pour du vrai travail ; les parties deep learning nécessitent torch/tensorflow installés. Licence MIT. Skill Harbor ne vérifie jamais le code, examinez-le vous-même avant usage. Découvert via skills.sh.
Version :
Installation
Prérequis : Python avec scikit-learn, numpy, pandas, matplotlib ; torch et tensorflow pour les parties deep learning — un vrai dataset pour du vrai travail Installe-moi « Entraînement de modèles ML — pipeline complète avec scikit-learn, PyTorch et TensorFlow ». Il donne à mon agent le pipeline d'entraînement complet de @aj-geddes : génération de dataset synthétique, scaling standard et split train/test, entraînement comparatif de régression logistique, Random Forest, Gradient Boosting, un MLP PyTorch et un réseau Keras avec métriques accuracy/précision/recall/F1/ROC-AUC, courbes de loss et graphes comparatifs, plus bonnes pratiques d'entraînement et aide-mémoire des métriques. Licence MIT. Dépôt : https://github.com/aj-geddes/useful-ai-prompts/blob/main/skills/ml-model-training/SKILL.md 1. Récupère le fichier SKILL.md (et les fichiers d'aide éventuels) depuis le chemin du dépôt dans un dossier temporaire et résume en une ou deux phrases ce qu'il fait. 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. 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-model-training ». 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. pip install scikit-learn torch tensorflow matplotlib et dire à l'agent s'il doit lancer la démo synthétique ou adapter le pipeline à mon propre dataset ; rien d'autre — c'est un guide avec du code exécutable). 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.
Questions
Comment installer une création ?
Chaque fiche produit contient un prompt d’installation à copier-coller. Collez-le dans votre Muse et il installe la création 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 une création avant de l’installer.