← Recherche

Machine Learning — end-to-end PyTorch + scikit-learn pipelines with interpretability
Données 🧪 Installation exécutée dans notre sandbox de test · 11 nov. 2026 📌 Version épinglée : commit 7a04ccb
Test d’installation seulement, à la date indiquée. Ne garantit pas la sécurité du code.
🔎 Analyse du prompt d’installation · 2026-10-13 : installe des paquets
⚙ Prérequis: Python 3 avec PyTorch, scikit-learn, Optuna, SHAP…

Machine Learning — end-to-end PyTorch + scikit-learn pipelines with interpretability

Construire des pipelines ML reproductibles de bout en bout avec PyTorch et scikit-learn : gestion structurée des expériences, validation croisée stratifiée, tuning d'hyperparamètres Optuna, interprétabilité SHAP et tracking d'expériences avec la discipline du test-set touché une seule fois

L’essentiel
Quoi
Construire des pipelines ML reproductibles de bout en bout avec PyTorch et scikit-learn : gestion structurée des expériences, validation croisée stratifiée, tuning d'hyperparamètres Optuna, interprétabilité SHAP et tracking d'expériences avec la discipline du test-set touché une seule fois
Coût
Gratuit
Prérequis
Python 3 avec PyTorch, scikit-learn, Optuna, SHAP, numpy installés (pip install torch scikit-learn optuna shap numpy) — un jeu de données étiqueté pour entraîner ; GPU recommandé pour les exemples de deep learning
Installation
Copiez le prompt d’installation ci-dessous dans votre Muse — votre agent fait le reste.

Version :

Réponse rapide

Machine Learning est une fiche gratuite, guide de pipelines ML de bout en bout, du notebook au pipeline de production. Il impose une discipline d'expériences : runs versionnés, entraînement déterministe, splits train, validation et test, et validation croisée stratifiée. Il ajoute l'optimisation systématique d'hyperparamètres avec Optuna, les courbes d'apprentissage, et l'interprétabilité via valeurs SHAP, importance des variables et dépendance partielle.

⌁

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 7a04ccb

Étape 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 : Python 3 avec PyTorch, scikit-learn, Optuna, SHAP, numpy installés (pip install torch scikit-learn optuna shap numpy) — un jeu de données étiqueté pour entraîner ; GPU recommandé pour les exemples de deep learning Installe-moi « Machine Learning — pipelines PyTorch + scikit-learn de bout en bout avec interprétabilité ». Il donne à mon agent le workflow ML de bout en bout de @itallstartedwithaidea : gestion structurée des expériences, splits train/validation/test propres avec validation croisée stratifiée, tuning systématique d'hyperparamètres avec Optuna, interprétabilité avec SHAP/importance des variables/plots de dépendance partielle, et tracking d'expériences — en imposant la discipline du test-set touché une seule fois. Licence MIT. Dépôt : https://raw.githubusercontent.com/itallstartedwithaidea/agent-skills/7a04ccbde5f96d4bfe99a15a7e6fd96a7a0d4cd6/skills/scientific-research/machine-learning/SKILL.md Version épinglée : installe le code au commit 7a04ccbde5f96d4bfe99a15a7e6fd96a7a0d4cd6 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. 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 « machine-learning ». 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 torch scikit-learn optuna shap numpy ; préparer mon jeu de données étiqueté ; confirmer un GPU disponible si je veux les exemples de deep learning). 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.

🔒 Sécurité, provenance et ce que ça touche
🧭 Ce que ça touche
  • Peut télécharger et installer des paquets logiciels.
Analyse du prompt d’installation · 2026-10-13
🔒 Sécurité et provenance
📌 Version épinglée : commit 7a04ccb · 2026-10-13
🧪 Installation exécutée dans notre sandbox de test · 11 nov. 2026
👁 Observé pendant le test d’installation · 11 nov. 2026 : aucun contact réseau
🔎 Analyse du prompt d’installation · 2026-10-13 : installe des paquets
Ce que le scan a trouvé — extraits du prompt d’installation
  • installe des paquets — Prerequisites: Python 3 with PyTorch, scikit-learn, Optuna, SHAP, numpy installed (pip install torch scikit-le · Prérequis : Python 3 avec PyTorch, scikit-learn, Optuna, SHAP, numpy installés (pip install torch scikit-learn
🔎 Dernière vérification · 19 nov. 2026 : aucun changement détecté dans les fichiers liés par ce prompt d’installation
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
Envie d'être encore plus prudent ?

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 ?

Comment vérifier un skill avant de l’installer →

✓

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
7a04ccb · 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 : installe des paquets

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.