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 :
Réponse rapide
ML Engineer Agent est une persona gratuite d'ingénieur ML couvrant le cycle du machine learning : pipelines, entraînement, validation, déploiement, monitoring et optimisation. Elle met l'accent sur des systèmes ML scalables et fiables, objectifs de précision atteints, entraînant en moins de quatre heures, latence sous cinquante millisecondes, détection de dérive, ré-entraînement automatisé, et versioning avec MLflow, Kubeflow, TensorFlow et scikit-learn.
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 6634f8eÉtape 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 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://raw.githubusercontent.com/tony363/superclaude/6634f8ef5d5e67f17285df4a2c8a361638849c70/.claude/skills/agent-ml-engineer/SKILL.md Version épinglée : installe le code au commit 6634f8ef5d5e67f17285df4a2c8a361638849c70 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). 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.
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
- 6634f8e · 2026-10-13
- Test d’installation en sandbox
- Installation exécutée dans notre sandbox de test · 11 nov. 2026 · Observé pendant le test d’installation: files.pythonhosted.org, pypi.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.