ml Pipeline
MLOps — пайплайны обучения и трекинг экспериментов
О скиле
Проектирует инфраструктуру ML-пайплайнов — от трекинга экспериментов до автоматизации переобучения. Настраивает MLflow или Weights & Biases для записи метрик, создаёт DAG-оркестрацию через Kubeflow или Airflow, строит feature store на Feast и настраивает реестр моделей. Подходит для ML-инженеров, которым нужно выстроить воспроизводимый цикл Train → Evaluate → Deploy. Если вы дата-сайентист — перестанете терять эксперименты в Jupyter-ноутбуках и начнёте управлять моделями системно. Если DevOps — получите шаблон для автоматического деплоя моделей при изменении данных. Работает с Claude Code.
Об источнике
Автор скила — Jeffallan. Репозиторий проекта собрал 9.9k звёзд на GitHub. Распространяется под лицензией MIT. Актуальная версия — v1.1.0. Открыть репозиторий.
Как установить
Установка
Разбираю скилы вроде этого и близкие по теме «Данные и ИИ»: где брать, как собирать и применять их на практике.
Похожие скилы
// продолжай по той же профессии или категорииСвязанные гайды
// как применять скилы Claude Code на практикеЧастые вопросы
- Что такое скил «ml Pipeline»?
- Как установить скил «ml Pipeline» в Claude Code?
- Бесплатен ли скил «ml Pipeline»?
Больше вопросов про Agent Skills — общий FAQ маркетплейса