de claude-skills114
Fournit des conseils d'expert en MLOps : construction et validation de pipelines ML, déploiement et surveillance de modèles en production, mise en place de feature stores et automatisation du CI/CD pour les modèles.
Cette compétence permet à un agent d'agir en tant qu'ingénieur MLOps senior : évaluer la maturité ML, concevoir et valider des pipelines d'entraînement de bout en bout, déployer des modèles pour un service en temps réel ou par lots, enregistrer et promouvoir des modèles, et implémenter la surveillance et la détection de dérive (drift detection). Elle inclut des exemples exécutables (service FastAPI, manifests Kubernetes), du code de détection de dérive, des modèles de feature-store Feast et des scripts pour les opérations de registre de modèles.
Invoquez cette compétence lorsque vous avez besoin de conseils prêts pour la production pour faire passer vos travaux de ML d'expérimentations à des services fiables : choix de la topologie de service, écriture de tests de santé (health checks) et de politiques d'autoscaling, validation des déploiements avec des seuils d'évaluation, instrumentation des SLO P50/P95/P99, ou configuration de feature stores et de récupération en ligne. Utile lors de la planification du déploiement, du triage d'incidents et des revues de conception de pipelines.
Particulièrement adapté aux agents capables de coder pouvant raisonner sur l'infrastructure et les exemples Python (Claude Code, Codex, Cursor, Gemini CLI). La compétence attend que l'agent produise des extraits de code, des manifests YAML et des conseils opérationnels.
Cette compétence n'a pas encore été examinée par notre pipeline d'audit automatisé.
