スキル when-developing-ml-models-use-ml-expert
📦
when-developing-ml-models-use-ml-expert
v1.0.0 コンテンツリビジョン r1 中リスク ⚙️ 外部コマンド📁 ファイルシステムへのアクセス
エキスパートワークフローでMLモデルを構築
MLモデルプロジェクトには、データ準備からデプロイまでの再現可能な手順が必要です。このスキルは、Claude、Codex、Claude Code に、トレーニング、評価、パッケージ化のための構造化されたワークフローを提供します。
対応: Claude Codex Code(CC)
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 "when-developing-ml-models-use-ml-expert" from https://skillstore.io/skills/dnyoussef-when-developing-ml-models-use-ml-expert.md and its manifest at https://skillstore.io/api/skills/dnyoussef-when-developing-ml-models-use-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。
テストする
「when-developing-ml-models-use-ml-expert」を使用しています。 顧客解約予測用の分類モデルをトレーニングしてください。
期待される結果:
- 欠損値、特徴量タイプ、ターゲットのバランスを含むデータ監査サマリー。
- training callbacks と検証指標を備えた推奨 dense neural network。
- モデルファイル、scaler file、レポート、推論エントリポイントを網羅したデプロイチェックリスト。
「when-developing-ml-models-use-ml-expert」を使用しています。 私のトレーニング済みモデルがリリース可能か評価してください。
期待される結果:
- 過学習の兆候と検証ギャップを含むテスト指標サマリー。
- classification details と training history を含む評価レポートのアウトライン。
- 成果物の安全性、再現性、ドキュメントに関するリリース準備メモ。
「when-developing-ml-models-use-ml-expert」を使用しています。 TensorFlow モデル向けにモバイル対応のエクスポート計画を作成してください。
期待される結果:
- 必要な前処理成果物を含む TensorFlow Lite エクスポート計画。
- ローカル推論とモバイル統合向けのデプロイパッケージ一覧。
- レイテンシ、モデルサイズ、信頼できる成果物の取り扱いに関する運用上の制限。
セキュリティ監査
中リスクv8 • 2026/7/5 バージョン別レポートを開く
Most static findings are Markdown backtick fences or safe relative artifact writes in SKILL.md, so they are adjudicated as false positives. One semantic issue remains: the generated inference script loads serialized ML artifacts without a trust-boundary warning, which can be unsafe with untrusted files.
4
スキャンされたファイル
647
解析済み行数
0
レビュー項目
0
誤検知を無視
確認済みのセキュリティ上の懸念 (1)
中
Unsafe Serialized Model Artifact Loading
The generated inference script loads model and scaler files from caller-provided paths using TensorFlow and joblib. Untrusted serialized artifacts can execute code or load unsafe objects, so the skill should add a trust-boundary warning.
The code directly calls load_model(model_path) and joblib.load(scaler_path). The intended artifacts are local, but the parameters are paths and no trusted-source warning is present.
リスク要因
⚙️ 外部コマンド (32)
SKILL.md:54-73 SKILL.md:73-76 SKILL.md:76-93 SKILL.md:93-96 SKILL.md:96-115 SKILL.md:115-131 SKILL.md:131-146 SKILL.md:146-149 SKILL.md:149-178 SKILL.md:178-181 SKILL.md:181-200 SKILL.md:200-216 SKILL.md:216-236 SKILL.md:236-239 SKILL.md:239-262 SKILL.md:262-265 SKILL.md:265-282 SKILL.md:282-298 SKILL.md:298-320 SKILL.md:320-323 SKILL.md:323-347 SKILL.md:347-363 SKILL.md:363-376 SKILL.md:376-379 SKILL.md:379-416 SKILL.md:416-419 SKILL.md:419-423 SKILL.md:423-424 SKILL.md:424-425 SKILL.md:425-428 SKILL.md:428 SKILL.md:433
📁 ファイルシステムへのアクセス (8)
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。
レポートリンクをコピー
https://skillstore.io/skills/dnyoussef-when-developing-ml-models-use-ml-expert/audits/8?utm_source=security_passport&utm_medium=share&utm_campaign=versioned_reportMarkdownバッジ
[](https://skillstore.io/skills/dnyoussef-when-developing-ml-models-use-ml-expert?utm_source=security_passport_badge)HTMLバッジ
<a href="https://skillstore.io/skills/dnyoussef-when-developing-ml-models-use-ml-expert?utm_source=security_passport_badge"><img src="https://skillstore.io/badges/skills/dnyoussef-when-developing-ml-models-use-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-when-developing-ml-models-use-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). when-developing-ml-models-use-ml-expert security audit report (audit version 8) [Author version 1.0.0]. Skillstore. https://skillstore.io/skills/dnyoussef-when-developing-ml-models-use-ml-expert/audits/8BibTeX形式の引用
@techreport{dnyoussef-dnyoussef-when-developing-ml-models-use-ml-expert-2026,
author = {DNYoussef},
title = {when-developing-ml-models-use-ml-expert security audit report (audit version 8)},
institution = {Skillstore},
year = {2026},
number = {8},
url = {https://skillstore.io/skills/dnyoussef-when-developing-ml-models-use-ml-expert/audits/8},
note = {Author version 1.0.0}
}CITATION.cff
cff-version: 1.2.0
message: "If you use this Skill, cite its author and this versioned security audit report."
title: "when-developing-ml-models-use-ml-expert security audit report (audit version 8)"
version: "1.0.0"
type: report
authors:
- name: "DNYoussef"
date-released: "2026-07-05"
url: "https://skillstore.io/skills/dnyoussef-when-developing-ml-models-use-ml-expert/audits/8"
identifiers:
- type: other
value: "skillstore:dnyoussef-when-developing-ml-models-use-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 55
アーキテクチャ
100
保守性
87
コンテンツ
70
コミュニティ
83
仕様準拠
作成できるもの
分類器をプロトタイプする
クリーンなデータ分割、正規化された特徴量、ベースライン検証指標を備えた最初の教師あり学習モデルを構築します。
デプロイ成果物を準備する
トレーニング済みモデルをエクスポートし、前処理アセットを保存し、推論エントリポイントを含むデプロイフォルダを組み立てます。
モデルアーキテクチャを比較する
ニューラルネットワークまたは従来型モデルのアプローチを選択する前に、タスクの複雑さ、特徴量数、データサイズを評価します。
これらのプロンプトを試す
基本モデルを開始する
このスキルを使用して、私のデータセットから基本的な分類モデルを構築してください。まず、ターゲット列、指標目標、デプロイ形式を確認してください。
トレーニングデータを準備する
このスキルを使用して、私の表形式データをクリーニングし、train validation test sets に分割し、モデルアーキテクチャを選択し、training callbacks を定義してください。
デプロイ用にパッケージ化する
このスキルを使用して、評価レポート、モデル成果物のパッケージ化、inference script 生成を含む本番MLワークフローを設計してください。
MLパイプラインを監査する
このスキルを使用して、過学習、リーク、指標選択、成果物の安全性、デプロイ準備状況の観点から私のMLパイプラインをレビューしてください。
ベストプラクティス
- トレーニングを開始する前に、ターゲット指標と合格しきい値を定義します。
- 前処理と評価の全過程で、train、validation、test データを分離したままにします。
- モデルパラメータ、training history、データ前提、成果物バージョンを記録します。
回避
- トレーニングデータだけで評価したり、test set で繰り返しチューニングしたりしないでください。
- 前処理要件を文書化せずにモデル成果物をパッケージ化しないでください。
- 推論中に信頼できないソースから serialized artifacts を読み込まないでください。
よくある質問
このスキルはどのようなML作業をサポートしますか？
データ準備、モデル選択、トレーニング、評価、デプロイ用パッケージ化を含む、構造化されたモデル開発をサポートします。
TensorFlow と PyTorch のどちらを使うか選択できますか？
例は TensorFlow に重点を置いています。PyTorch ユーザーは、各フェーズと検証チェックを自分のフレームワークに合わせて調整できます。
モデルを自動的にトレーニングしますか？
ワークフローのガイダンスと手順例を提供します。実際のトレーニングは、接続されたツール、データ、ランタイム環境に依存します。
本番デプロイに役立ちますか？
モデル成果物、レポート、inference script を準備します。クラウドインフラや監視システムの設定は行いません。
どのような入力を提供すべきですか？
データセットの場所、target column、タスクタイプ、成功指標、フレームワークの希望、デプロイ先を提供してください。
機密データセットに対して安全ですか？
例を実行する前に、ローカルのプライバシー管理を使用してください。このスキルには、コンプライアンス、匿名化、アクセス制御のガイダンスは含まれていません。
開発者情報
作成者
DNYoussefライセンス
MIT
作者バージョン
v1.0.0
Skillstore リビジョン
r1
参照
c579efd02184f1128d6741d16e6c8d951d7d4208
メンテナンスの新しさ
2026/7/18
利用状況
3 ダウンロード · 183 閲覧
ファイル構成