スキル ml-expert

📦

ml-expert

Name: ml-expert
Author: DNYoussef

コンテンツリビジョン r1 安全 ⚙️ 外部コマンド

MLスペシャリストとPyTorchモデルを構築する

機械学習の実装では、多くの場合、アーキテクチャ、トレーニング、検証の選択を一貫させる必要があります。このスキルは、Claude、Codex、Claude CodeにPyTorch提供のための専門的なワークフローを提供します。

対応: Claude Codex Code(CC)

🥉 78 ブロンズ

Maintain this Skill? Claim it 🥉 78 ブロンズ

自分のエージェントでインストール

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。

エージェントリクエスト

Review the Skillstore skill "ml-expert" from https://skillstore.io/skills/dnyoussef-ml-expert.md and its manifest at https://skillstore.io/api/skills/dnyoussef-ml-expert/manifest. Verify the artifact. You may proceed after verification, subject to the environment's own policy.

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。

エージェントが読めるリソース

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。

Markdown詳細 GET /skills/dnyoussef-ml-expert.md 署名済み manifest GET /api/skills/dnyoussef-ml-expert/manifest 署名済み lockfile GET /api/skills/dnyoussef-ml-expert/lockfile

テストする

「ml-expert」を使用しています。 2,500万パラメータ予算のコンパクトなtransformerを実装してください。

期待される結果:

embeddings、transformer layers、heads、推定パラメータを含むコンポーネント計画。
形状チェック、勾配フロー、パラメータ数、統合動作をカバーするテスト計画。
モデルファイル、検証ステータス、パフォーマンスメモを一覧化した納品サマリー。

「ml-expert」を使用しています。 adaptive computation headが常にゼロ分散を報告します。

期待される結果:

損失計算とキャリブレーション動作に関する診断重視の実装計画。
非ゼロ分散をチェックし、警告なしにトレーニングが継続することを検証するテスト戦略。
変更されたトレーニング目的と想定されるトレードオフの簡潔な説明。

「ml-expert」を使用しています。メモリ使用量を増やさずに推論時間を短縮してください。

期待される結果:

コンパイル、バッチ処理、キャッシュ、テンソル操作に関する優先順位付き最適化チェックリスト。
同じハードウェア設定でベースラインと最適化後のレイテンシを比較するベンチマークガイダンス。
数値安定性と動作維持に関するリスクメモ。

セキュリティ監査

安全

v8 • 2026/7/5 バージョン別レポートを開く

AI review found the static alerts are false positives caused by Markdown code fences, inline code references, and normal ML terminology. No evidence found of Ruby or shell backtick execution, network reconnaissance, data exfiltration, prompt injection, or malicious intent in the scanned files.

スキャンされたファイル

878

解析済み行数

レビュー項目

誤検知を無視

リスク要因

⚙️ 外部コマンド (50)

最新の完了済み静的・セマンティック監査では、確認済みのセキュリティ検出事項は見つかりませんでした。これは、スキルに副作用がないことを証明するものではありません。

監査者: codex 監査履歴を表示 →

このレポートを共有・引用

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。

バージョン別レポートを開く

レポートリンクをコピー

https://skillstore.io/skills/dnyoussef-ml-expert/audits/8?utm_source=security_passport&utm_medium=share&utm_campaign=versioned_report

Markdownバッジ

[![Skillstore security assessment](https://skillstore.io/badges/skills/dnyoussef-ml-expert/security.svg)](https://skillstore.io/skills/dnyoussef-ml-expert?utm_source=security_passport_badge)

HTMLバッジ

<a href="https://skillstore.io/skills/dnyoussef-ml-expert?utm_source=security_passport_badge"><img src="https://skillstore.io/badges/skills/dnyoussef-ml-expert/security.svg" alt="Skillstore security assessment" loading="lazy"></a>

埋め込みカード

<iframe src="https://skillstore.io/embed/skills/dnyoussef-ml-expert.html" title="Skillstore Security Assessment" sandbox="allow-popups allow-popups-to-escape-sandbox" loading="lazy" referrerpolicy="no-referrer" width="420" height="180"></iframe>

学術引用 (APA · BibTeX · CFF)

APA形式の引用

DNYoussef. (2026). ml-expert security audit report (audit version 8) [Author version unspecified]. Skillstore. https://skillstore.io/skills/dnyoussef-ml-expert/audits/8

BibTeX形式の引用

@techreport{dnyoussef-dnyoussef-ml-expert-2026,
  author = {DNYoussef},
  title = {ml-expert security audit report (audit version 8)},
  institution = {Skillstore},
  year = {2026},
  number = {8},
  url = {https://skillstore.io/skills/dnyoussef-ml-expert/audits/8},
  note = {Author version unspecified}
}

CITATION.cff

cff-version: 1.2.0
message: "If you use this Skill, cite its author and this versioned security audit report."
title: "ml-expert security audit report (audit version 8)"
version: "unspecified"
type: report
authors:
  - name: "DNYoussef"
date-released: "2026-07-05"
url: "https://skillstore.io/skills/dnyoussef-ml-expert/audits/8"
identifiers:
  - type: other
    value: "skillstore:dnyoussef-ml-expert:audit:8"
    description: "Skillstore immutable audit report identifier"

Skillstore スコア

このスコアの理由証拠の信頼度: 高

アーキテクチャ

保守性

コンテンツ

コミュニティ

仕様準拠

作成できるもの

新しいモデルアーキテクチャを実装する

アーキテクチャ要件を、モジュール、設定、テスト、ドキュメントを含むPyTorch実装計画に変換します。

トレーニング動作を修正する

診断後にトレーニングコンポーネントへ的を絞った修正を適用し、問題が解決したことを確認するテストを定義します。

本番MLコードを準備する

統合前に、パフォーマンス、メモリ使用量、テストカバレッジ、提供準備の観点からモデルコードをレビューします。

これらのプロンプトを試す

スターターモデルを作成する

[task]向けのPyTorchモデルを設計してください。モジュール構成、設定フィールド、期待される入力、基本テストを含めてください。

トレーニングの不安定性を修正する

私のモデルはトレーニング中に[symptom]が発生します。考えられる原因をレビューし、修正案を提案し、検証テストを定義してください。

推論パフォーマンスを最適化する

このPyTorchモデルを[latency or memory target]向けに最適化してください。動作を維持し、ベンチマークのガイダンスを含めてください。

研究アーキテクチャを実装する

[paper or notes]のアーキテクチャを、[parameter budget]、[hardware limit]、完全なテスト付きで実装してください。

ベストプラクティス

実装を依頼する前に、アーキテクチャ制約、ハードウェア上限、期待される入力を提供してください。
形状、勾配、統合、パラメータ数をカバーするテストを依頼してください。
実データでトレーニングしたりモデルをデプロイしたりする前に、生成された変更をローカルでレビューしてください。

回避

パラメータ予算や対象ハードウェアなしに、大規模なアーキテクチャ変更を依頼しないでください。
再現可能なベンチマーク設定なしに、パフォーマンスに関する主張を受け入れないでください。
勾配フロー、チェックポイント読み込み、trainまたはevalモードの動作に関するテストを省略しないでください。

よくある質問

このスキルはどのフレームワークに重点を置いていますか？

PyTorchモデルの実装、トレーニングループ、最適化、テストプラクティスに重点を置いています。

研究論文のモデルを実装できますか？

はい。十分なアーキテクチャ詳細、制約、期待される動作を提供すれば可能です。

パッケージには実行可能なテンプレートが含まれていますか？

いいえ。監査済みパッケージには、スキルの指示と専門プロンプトのみが含まれています。

失敗したトレーニング実行をデバッグできますか？

診断に基づいて修正を実装し、その修正を確認するテストを定義できます。

本番対応を保証しますか？

いいえ。引き続きローカルレビュー、依存関係チェック、テスト、デプロイ検証が必要です。

どのAIツールで使用できますか？

レポートには、Claude、Codex、Claude Codeのサポートが記載されています。

開発者情報

作成者

DNYoussef

ライセンス

MIT

Skillstore リビジョン

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。

リポジトリ

https://github.com/DNYoussef/ai-chrome-extension/tree/main/.claude/skills/ml-expert

参照

c579efd02184f1128d6741d16e6c8d951d7d4208

メンテナンスの新しさ

2026/7/23

利用状況

4 ダウンロード · 209 閲覧

ファイル構成

📁 agents/

📄 ml-expert-specialist.prompt

📄 SKILL.md