下载

Skill UI

浏览并发现 9688+ 精选技能

全部编程开发人工智能设计创意产品商业数据科学市场营销职场通用效率工具硬件工程语言学习

搜索机器学习管道，共找到 10 条记录

默认排序最新上传最多下载

Azure ML SDK：机器学习资源管理

sickn33/antigravity-awesome-skills

该SDK是用于Python的Azure Machine Learning客户端库，可用于管理完整的机器学习资源生命周期。它支持用户程序化地创建和管理工作区、注册数据资产、模型版本控制、配置计算集群，并构建端到端的、可复现的MLOps训练管道。

Azure ML SDK：机器学习资源管理

sickn33/antigravity-awesome-skills

该SDK是用于Python的Azure Machine Learning客户端库，可用于管理完整的机器学习资源生命周期。它支持用户程序化地创建和管理工作区、注册数据资产、模型版本控制、配置计算集群，并构建端到端的、可复现的MLOps训练管道。

自动化机器学习流程

building-automl-pipelines

jeremylongshore/claude-code-plugins-plus-skills

分析需求并生成包含数据准备、模型筛选、超参调优、验证和指标输出的 AutoML 管道代码，附带文档与产出，帮助自动化机器学习流程。

特征仓库连接器

feature-store-connector

jeremylongshore/claude-code-plugins-plus-skills

在机器学习部署中自动提供特征仓库连接器的配置指导、代码生成与生产监控建议，帮助高质量交付在线推理管道。

多智能体MLOps管道编排

machine-learning-ops-ml-pipeline

sickn33/antigravity-awesome-skills

本技能旨在指导设计和实现一个完整的、生产级别的机器学习（ML）管道。它采用多智能体编排工作流，系统地覆盖了ML整个生命周期：包括数据摄取、特征工程、模型训练、代码优化和生产部署（MLOps），确保系统具备高可重复性、可监控性和高扩展性。

生产级机器学习管道与MLOps

Jeffallan/claude-skills

掌握从数据摄取到模型部署的完整机器学习生命周期。该技能涵盖使用Kubeflow、Airflow等编排工具构建健壮的生产级MLOps管道。核心能力包括使用Feast实现特征存储、严格的数据验证、实验跟踪（如MLflow）、模型注册和自动化部署，确保模型训练流程的端到端自动化和可复现性。

机器学习全生命周期流程管理

ml-pipeline-workflow

sickn33/antigravity-awesome-skills

本技能提供完整的MLOps管道编排指南，覆盖机器学习的整个生命周期。它指导用户从数据摄取、特征工程、模型训练，到系统级的模型验证和部署自动化，确保构建出可复现、高可用、可监控的生产级机器学习系统。

MLOps流程自动化与基础设施

sickn33/antigravity-awesome-skills

本技能旨在构建完整的MLOps（机器学习运维）流程，覆盖从实验跟踪、模型管理到生产部署的全生命周期。掌握利用Kubeflow、Airflow等工具进行复杂管道编排，并深入了解主流云平台（AWS、Azure、GCP）的ML服务栈。内容涵盖模型注册、版本控制、基础设施即代码（IaC）和Kubernetes部署，帮助工程师将实验模型可靠地部署到生产环境。

高级机器学习实验编排

experiment-queue

wanshuiyin/Auto-claude-code-research-in-sleep

用于远程GPU服务器上大规模机器学习实验的编排工具。它能够处理复杂的任务清单、多轮次扫描、阶段性波次过渡，并具备OOM感知重试和清理悬挂屏幕等高级故障恢复能力。适用于复杂网格搜索和多步骤管道链式运行。

云端机器学习工作负载迁移指南

coreweave-migration-deep-dive

jeremylongshore/claude-code-plugins-plus-skills

本技能包详细指导用户如何将机器学习工作负载（包括推理服务和训练管道）从AWS/GCP/Azure等大型云平台迁移到CoreWeave GPU云。内容涵盖成本对比、容器化步骤、Kubernetes配置适配和分阶段部署，帮助用户确保迁移过程平稳、高效且具成本效益。

1

语言