ML Engineer Agent — full ML lifecycle guidance
Une persona d'ingénieur ML senior pour agents couvrant tout le cycle de vie des modèles — développement de pipelines, entraînement, validation, déploiement, monitoring, détection de dérive, ré-entraînement et versioning avec MLflow/Kubeflow/TensorFlow/scikit-learn
- Quoi
- Une persona d'ingénieur ML senior pour agents couvrant tout le cycle de vie des modèles — développement de pipelines, entraînement, validation, déploiement, monitoring, détection de dérive, ré-entraînement et versioning avec MLflow/Kubeflow/TensorFlow/scikit-learn
- Coût
- Gratuit
- Prérequis
- un projet ML sur lequel vous voulez de la guidance de cycle de vie ; votre propre compute et vos données ; les outils MLOps déjà en usage (MLflow, Kubeflow ou similaire)
- Installation
- Copiez le prompt d’installation ci-dessous dans votre Muse — votre agent fait le reste.
Sélectionné par Skill Harbor — le skill agent-ml-engineer de @tony363, listé ici avec crédit à son créateur : une persona d'ingénieur ML senior pour agents couvrant tout le cycle de vie du machine learning — développement de pipelines, entraînement de modèles, validation, déploiement, monitoring et optimisation, avec l'accent sur la construction de systèmes ML de production scalables et fiables : atteindre les objectifs de précision, entraîner en moins de 4h, latence d'inférence sous 50ms, détection automatique de dérive, ré-entraînement automatisé, et versioning systématique, avec MLflow, Kubeflow, TensorFlow, scikit-learn et Optuna. Bémols honnêtes : le corps du skill est mince — c'est une persona et une checklist plutôt qu'un mode d'emploi (à combiner avec les skills plus profonds de @seb1n : ml-pipeline-creation, model-training et model-deployment pour les vrais workflows) ; les métriques listées (objectifs de précision, <4h d'entraînement, <50ms de latence) sont des aspirations, pas des garanties — elles dépendent de vos données, modèle et hardware ; c'est un build différent du `rightnow-ai-openfang-ml-engineer` déjà live sur Skill Harbor — comparez avant de choisir. Licence MIT. Skill Harbor ne vérifie jamais le code, examinez-le vous-même avant usage. Découvert via skills.sh.
Version :
Installation
Prérequis : un projet ML sur lequel vous voulez de la guidance de cycle de vie ; votre propre compute et vos données ; les outils MLOps déjà en usage (MLflow, Kubeflow ou similaire) Installe-moi « ML Engineer Agent — guidance sur tout le cycle de vie ML ». Il donne à mon agent la persona d'ingénieur ML senior de @tony363 : guidance de cycle de vie complet — développement de pipelines, entraînement, validation, déploiement, monitoring, détection de dérive, ré-entraînement automatisé et versioning — avec MLflow, Kubeflow, TensorFlow, scikit-learn et Optuna. À combiner avec les skills workflow plus profonds de @seb1n pour les vrais modes d'emploi. Licence MIT. Dépôt : https://github.com/tony363/superclaude/blob/main/.claude/skills/agent-ml-engineer/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). C'est un skill de persona/checklist — tout exécutable au-delà des exemples normaux est un signal d'alerte. 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 « agent-ml-engineer ». 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. pointer l'agent vers mon projet ML, le brancher sur ma stack MLOps existante, et traiter les métriques listées comme des aspirations — elles dépendent de mes données, modèle et hardware). 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.