Azure AI/ML for Python — manage Azure ML workspaces, jobs, models, datasets, compute, pipelines
💳 API payante requise — abonnement Azure facturé. Exploiter le SDK Azure Machine Learning v2 en Python : auth MLClient, workspaces, data assets, registre de modèles, clusters de compute, jobs, pipelines, environnements, datastores
- Quoi
- 💳 API payante requise — abonnement Azure facturé. Exploiter le SDK Azure Machine Learning v2 en Python : auth MLClient, workspaces, data assets, registre de modèles, clusters de compute, jobs, pipelines, environnements, datastores
- Coût
- Gratuit
- 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)
- Installation
- Copiez le prompt d’installation ci-dessous dans votre Muse — votre agent fait le reste.
Sélectionné par Skill Harbor — 💳 API payante requise : l'usage réel exige un abonnement Azure — clusters de compute, runs de jobs et stockage sont facturés par Microsoft ; le SDK lui-même est gratuit. Le skill azure-ai-ml-py de @sickn33 : une référence pratique du SDK Azure Machine Learning v2 en Python — installer azure-ai-ml, authentifier MLClient avec DefaultAzureCredential (ID d'abonnement, groupe de ressources, nom du workspace via variables d'environnement ou fichier de config), créer et lister les workspaces, enregistrer des data assets (fichiers et dossiers), enregistrer et lister les modèles, créer et scaler des clusters de compute, soumettre et streamer des command jobs, construire des workflows multi-étapes @dsl.pipeline, créer des environnements custom, et gérer les datastores — avec une table des opérations MLClient, des bonnes pratiques sensibles aux coûts (versioning, scale-down à l'inactivité, tags), et des limites honnêtes (limité au scope décrit, pas un substitut à la validation spécifique à l'environnement). Bémols honnêtes : le frontmatter de la source marque lui-même ce skill « risk: critical » — logique pour tout ce qui provisionne du compute cloud avec tes identifiants ; chaque job et cluster coûte de vrais sous, donc configurer le scale-down à l'inactivité et surveiller les quotas. Licence MIT (frontmatter et manifest concordants). Skill Harbor ne vérifie jamais le code, examinez-le vous-même avant usage. Découvert via skills.sh.
Version :
Réponse rapide
Azure AI/ML for Python est une référence pour le SDK Azure Machine Learning v2 en Python, même si l'usage exige un abonnement Azure payant puisque compute, runs et stockage sont facturés. Elle couvre l'installation d'azure-ai-ml, l'authentification MLClient, la création des workspaces, l'enregistrement des assets et modèles, la création et l'échelle des clusters de compute, et la soumission des jobs.
Installation
Copiez le dossier d’installation ci-dessous, puis collez-le dans Muse🧪 Installation exécutée dans notre sandbox de test · 18 nov. 2026📌 Version épinglée : commit b84d35aÉtape 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 : 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://raw.githubusercontent.com/sickn33/agentic-awesome-skills/b84d35abf733cbbc3400dbc0e16fbbdc2a4fe97e/plugins/agentic-awesome-skills-claude/skills/azure-ai-ml-py/SKILL.md Version épinglée : installe le code au commit b84d35abf733cbbc3400dbc0e16fbbdc2a4fe97e 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 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.
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
- b84d35a · 2026-10-13
- Test d’installation en sandbox
- Installation exécutée dans notre sandbox de test · 18 nov. 2026 · Observé pendant le test d’installation: registry.npmjs.org
- 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.