ml-expert
Implementar Modelos ML con PyTorch
Transforma investigación ML en código de producción. Obtén implementación experta de arquitecturas neuronales, pipelines de entrenamiento y optimizaciones de rendimiento con pruebas y validación exhaustivas.
تنزيل ZIP المهارة
رفع في Claude
اذهب إلى Settings → Capabilities → Skills → Upload skill
فعّل وابدأ الاستخدام
اختبرها
استخدام "ml-expert". Implementa un transformer encoder con 8 capas, 512 dimensiones ocultas y 8 cabezas de atención en PyTorch
النتيجة المتوقعة:
- Creada clase TransformerEncoder con registro adecuado de Module
- Implementada codificación posicional con embeddings aprendidos
- Añadida atención multi-cabeza con scaled dot-product attention
- Incluida normalización de capas y conexiones residuales
- Escritos 12 tests unitarios (todos pasando, cobertura del 95%)
- Añadido ejemplo de uso con datos sintéticos
- Conteo de parámetros: 24.5M (coincide con el objetivo)
استخدام "ml-expert". Construye un bucle de entrenamiento para clasificación de imágenes con optimizador AdamW, cosine annealing y precisión mixta
النتيجة المتوقعة:
- Creada clase Trainer con optimizador y scheduler configurables
- Implementado entrenamiento de precisión mixta con GradScaler
- Añadido warmup de learning rate y programación de decaimiento coseno
- Incluido guardado de checkpoints y seguimiento del mejor modelo
- Escritos 8 tests para componentes de entrenamiento
- Validado con datos sintéticos: la pérdida disminuye correctamente
التدقيق الأمني
مخاطر منخفضةThis is a legitimate ML implementation skill. All 79 static findings are false positives. The scanner misidentified Python code examples (backticks in string literals) as shell commands, and benign ML terminology as cryptographic/network threats. The skill operates in plan mode with user approval for all changes. No malicious patterns, credential theft, or exfiltration behavior detected.
مشكلات منخفضة المخاطر (1)
عوامل الخطر
⚡ يحتوي على سكربتات (1)
⚙️ الأوامر الخارجية (1)
📁 الوصول إلى نظام الملفات (1)
درجة الجودة
ماذا يمكنك بناءه
Implementar Papers de Investigación
Transforma papers académicos en implementaciones funcionales de PyTorch con pruebas y documentación adecuadas
Optimizar Código de Entrenamiento
Corrige problemas de entrenamiento y optimiza el rendimiento del modelo para inferencia más rápida y menor uso de memoria
Construir Pipelines ML
Crea pipelines de entrenamiento listos para producción con puntos de control, validación y monitoreo
جرّب هذه الموجهات
Implementa un modelo [architecture name] en PyTorch con [n] capas y [d] dimensiones ocultas. Incluye inicialización adecuada y docstrings.
Implementa la arquitectura [paper name] de esta especificación del paper. Conteo de parámetros objetivo: [X]M. Framework: PyTorch. Incluye tests.
Construye un pipeline de entrenamiento completo para mi modelo. Incluye: entrenamiento de precisión mixta, gradient checkpointing, programación de learning rate, guardado de checkpoints y bucle de validación.
Optimiza mi modelo para inferencia en tiempo real. La latencia actual es [X]ms. Objetivo: [Y]ms. Aplica torch.compile, fusión de operadores y optimizaciones de memoria.
أفضل الممارسات
- Proporciona papers de referencia o especificaciones claras al solicitar arquitecturas personalizadas
- Especifica restricciones por adelantado incluyendo presupuesto de parámetros, límites de memoria y requisitos de velocidad
- Solicita tests y documentación en el mismo prompt para entregables completos y verificables
تجنب
- Solicitar implementación sin revisar el plan primero rompe las garantías de seguridad del modo plan
- Solicitar cambios en código de producción sin actualizar los tests unitarios correspondientes
- Omitir validación al no ejecutar la suite de tests proporcionada antes del despliegue