Déployer des systèmes ML en production
Le travail ML en production nécessite le déploiement, la surveillance et l’intégration LLM à travers de nombreux outils. Cette compétence fournit des modèles et des conseils pour le MLOps, le model serving, le RAG et la surveillance des modèles.
インストール前に停止して確認を求めてください。
計画を確認し、ファイルを変更する前にユーザーの明示的な同意を得てください。
このリクエストをエージェントにコピーしてください。正規の Skill ページとマニフェストが含まれています。
Review the Skillstore skill "senior-ml-engineer" from https://skillstore.io/skills/alirezarezvani-senior-ml-engineer.md and its manifest at https://skillstore.io/api/skills/alirezarezvani-senior-ml-engineer/manifest. Verify the artifact. Stop and obtain explicit user consent before installing or changing files.エージェントは引き続き計画を提示し、セキュリティポリシーで必要な確認を求める必要があります。
AI エージェント、クローラー、スクリプトがページ全体ではなく整理されたコンテキストを必要とする場合は、これらのリンクを使ってください。
「senior-ml-engineer」を使用しています。 Planifier le déploiement d’un modèle de classification avec de faibles exigences de latence.
期待される結果:
「senior-ml-engineer」を使用しています。 Concevoir un système RAG pour des documents de politique interne avec citations.
期待される結果:
「senior-ml-engineer」を使用しています。 Évaluer si notre surveillance de modèles est prête pour la production.
期待される結果:
All static findings are false positives caused by Markdown code fences, inline file references, and ordinary RAG search wording. A separate semantic issue was found: marketplace_content.json includes self-authored security audit claims that could influence review behavior if treated as authoritative.
バージョン付き評価レポート、中立的なバッジ、埋め込みカード、引用を共有できます。Skillstore は証拠を報告しますが、この Skill が安全かどうかは判断しません。
https://skillstore.io/skills/alirezarezvani-senior-ml-engineer/audits/6?utm_source=security_passport&utm_medium=share&utm_campaign=versioned_report[](https://skillstore.io/skills/alirezarezvani-senior-ml-engineer?utm_source=security_passport_badge)<a href="https://skillstore.io/skills/alirezarezvani-senior-ml-engineer?utm_source=security_passport_badge"><img src="https://skillstore.io/badges/skills/alirezarezvani-senior-ml-engineer/security.svg" alt="Skillstore security assessment" loading="lazy"></a><iframe src="https://skillstore.io/embed/skills/alirezarezvani-senior-ml-engineer.html" title="Skillstore Security Assessment" sandbox="allow-popups allow-popups-to-escape-sandbox" loading="lazy" referrerpolicy="no-referrer" width="420" height="180"></iframe>alirezarezvani. (2026). senior-ml-engineer security audit report (audit version 6) [Author version unspecified]. Skillstore. https://skillstore.io/skills/alirezarezvani-senior-ml-engineer/audits/6@techreport{alirezarezvani-alirezarezvani-senior-ml-engineer-2026,
author = {alirezarezvani},
title = {senior-ml-engineer security audit report (audit version 6)},
institution = {Skillstore},
year = {2026},
number = {6},
url = {https://skillstore.io/skills/alirezarezvani-senior-ml-engineer/audits/6},
note = {Author version unspecified}
}cff-version: 1.2.0
message: "If you use this Skill, cite its author and this versioned security audit report."
title: "senior-ml-engineer security audit report (audit version 6)"
version: "unspecified"
type: report
authors:
- name: "alirezarezvani"
date-released: "2026-07-06"
url: "https://skillstore.io/skills/alirezarezvani-senior-ml-engineer/audits/6"
identifiers:
- type: other
value: "skillstore:alirezarezvani-senior-ml-engineer:audit:6"
description: "Skillstore immutable audit report identifier"
各作者のスキルは個別のインストール項目として維持されます。推奨バリアントは Skillstore の証拠で順位付けされます。
このバリアントが首位の理由
alirezarezvani-senior-ml-engineer
2026-10-23
Concevoir les étapes de service, de mise à l’échelle, de surveillance et de rollback pour un modèle entraîné.
Mapper les notebooks, les modèles et les sorties d’évaluation vers des processus de production versionnés.
Évaluer les modèles de récupération, de mise en cache, d’observabilité, de contrôle d’accès et de déploiement.
Aide-moi à planifier le déploiement d’un modèle entraîné. Demande le type de modèle, l’objectif de trafic, l’objectif de latence, l’environnement cloud et les besoins de surveillance.
Conçois un plan de surveillance pour un modèle ML en production. Inclue la latence, les erreurs, la dérive, la qualité des données, les seuils d’alerte et les signaux de rollback.
Conçois un système RAG pour des documents internes. Couvre le chunking, les embeddings, le stockage vectoriel, la recherche hybride, les citations, l’évaluation et le contrôle d’accès.
Examine notre architecture de plateforme ML pour vérifier son aptitude à la production. Concentre-toi sur la CI, le registre de modèles, les feature stores, la sécurité du déploiement, l’observabilité, les coûts et la sécurité.
作成者
alirezarezvaniライセンス
MIT
Skillstore リビジョン
r1
バージョンに関する注意
作者はバージョンを宣言していません。
参照
c4231f0153ccd2a2ed62274c5a372bf8f2386d3f
メンテナンスの新しさ
2026/7/22
利用状況
20 ダウンロード · 228 閲覧
Créer du contenu SEO avec la voix de marque
Les équipes marketing ont besoin de contenu cohérent, adapté à chaque canal et aligné sur les objectifs de recherche. Cette skill combine des conseils sur la voix de marque, des modèles de contenu, des vérifications SEO et la planification des réseaux sociaux.
Gérer les investigations CAPA et les plans d'action
Le travail CAPA est souvent bloqué lorsque les investigations, les actions et les preuves ne sont pas structurées. Cette compétence guide une RCA claire, la planification des actions, la vérification, les métriques et une documentation prête pour l'inspection.
Gérer la gouvernance qualité QMR
Les équipes HealthTech ont besoin d’une gouvernance qualité rigoureuse couvrant les normes, les audits, les revues et le reporting exécutif. Cette compétence guide les responsabilités QMR, la supervision de la conformité, le suivi des KPI et la planification stratégique de la qualité.
Gérer les dossiers de risques des dispositifs médicaux
Les équipes travaillant sur les dispositifs médicaux ont besoin de preuves cohérentes de gestion des risques dans les activités de conception, réglementaires et post-commercialisation. Cette compétence guide la planification ISO 14971, l’analyse, les mesures de maîtrise et la maintenance du dossier.
Effectuer des revues de code avec des contrôles qualité structurés
Les revues de code peuvent manquer des problèmes de qualité, de sécurité et de maintenabilité. Cette skill guide des revues structurées avec des scripts, des checklists et la génération de rapports.
Élaborer des programmes de SMQ ISO 13485
Les équipes de dispositifs médicaux ont besoin de processus de SMQ maîtrisés qui correspondent aux attentes de l’ISO 13485. Cette compétence aide à planifier la documentation, les audits, les revues, les travaux CAPA et la préparation à la certification.
Analyser des jeux de données de ML thérapeutique avec PyTDC
作成者 K-Dense-AI
Les équipes de découverte de médicaments ont besoin de jeux de données fiables et de protocoles d’évaluation équitables. Cette skill aide Claude à utiliser PyTDC pour des données de ML thérapeutique organisées, des splits de benchmark, des métriques et des oracles moléculaires.
Valider les workflows ML pour détecter les antipatterns cachés
作成者 Doyajin174
Les projets ML peuvent sembler précis alors que des fuites de données ou une évaluation faible masquent de graves défauts. Cette compétence guide des vérifications structurées des découpages, des métriques, de l’entraînement et de la préparation au déploiement.
Concevoir des expériences et des modèles de science des données
作成者 davila7
Les projets de science des données manquent souvent de plans d’expérience clairs et de contrôles d’évaluation. Cette compétence fournit des recommandations structurées pour les expériences, les caractéristiques, les modèles et les décisions analytiques.
Créer une recherche sémantique AgentDB
作成者 DNYoussef
Les équipes ont besoin d’une récupération de documents pertinente pour le RAG et les bases de connaissances. Cette compétence guide la configuration d’AgentDB, le stockage des embeddings, l’indexation, la recherche via API et l’optimisation de la pertinence.
Construire des réseaux de neurones sur graphes avec PyTorch Geometric
作成者 davila7
Les projets d’apprentissage sur graphes nécessitent des choix rigoureux concernant les données, les modèles, l’échantillonnage et l’évaluation. Cette compétence fournit des conseils, des exemples, des modèles, des benchmarks et des utilitaires de visualisation pour PyTorch Geometric.
Construire des workflows de machine learning avec scikit-learn
作成者 davila7
Les projets de machine learning ont besoin de schémas cohérents pour le prétraitement, l’évaluation et la sélection de modèles. Cette skill fournit à Claude, Codex et Claude Code des conseils ciblés sur scikit-learn, avec des références et des exemples.