Azure AI/ML for Python — manage Azure ML workspaces, jobs, models, datasets, compute, pipelines

Prérequis : un abonnement Azure (facturé — compute, runs de jobs et stockage coûtent de vrais sous), Python, et tes identifiants Azure (ne jamais les coder en dur) Installe-moi « Azure AI/ML pour Python — gérer workspaces, jobs, modèles, datasets, compute et pipelines Azure ML ». Il donne à mon agent la référence SDK Azure ML v2 de @sickn33 : installer azure-ai-ml, authentifier MLClient via DefaultAzureCredential (ID d'abonnement, groupe de ressources, nom du workspace depuis les variables d'environnement ou un fichier de config), créer et lister les workspaces, enregistrer data assets et modèles, créer et scaler des clusters de compute avec scale-down à l'inactivité, soumettre et streamer des command jobs, construire des workflows multi-étapes @dsl.pipeline, créer des environnements custom, et gérer les datastores — en suivant les bonnes pratiques sensibles aux coûts (versioning, scale-down à l'inactivité, tags). Licence MIT. Dépôt : https://github.com/sickn33/agentic-awesome-skills/blob/main/plugins/agentic-awesome-skills-claude/skills/azure-ai-ml-py/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, les identifiants seulement via variables d'environnement, 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 « azure-ai-ml-py ». 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. définir mes variables d'env Azure dans le coffre, créer le workspace, configurer le scale-down à l'inactivité avant de soumettre des jobs). 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.