스킬 ml-pipeline-workflow
📦

ml-pipeline-workflow

콘텐츠 리비전 r1 안전 ⚙️ 외부 명령어

신뢰할 수 있는 ML 파이프라인 구축

ML 프로젝트는 학습, 검증, 배포, 모니터링이 분리되어 처리될 때 실패하는 경우가 많습니다. 이 스킬은 팀이 명확한 단계와 제어를 갖춘 재현 가능한 MLOps 워크플로를 설계하도록 돕습니다.

지원: Claude Codex Code(CC)
Maintain this Skill? Claim it 🥉 79 브론즈

내 에이전트로 설치

이 요청을 에이전트에 복사하세요. 공식 Skill 페이지와 매니페스트가 포함되어 있습니다.

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

에이전트는 계속해서 계획을 표시하고 보안 정책에서 요구하는 확인을 요청해야 합니다.

에이전트가 읽기 쉬운 리소스

AI 에이전트, 크롤러, 스크립트가 전체 페이지 대신 정리된 컨텍스트만 필요할 때 이 링크를 사용하세요.

Markdown 상세 GET /skills/wshobson-ml-pipeline-workflow.md 서명된 manifest GET /api/skills/wshobson-ml-pipeline-workflow/manifest 서명된 lockfile GET /api/skills/wshobson-ml-pipeline-workflow/lockfile

테스트해 보기

"ml-pipeline-workflow" 사용 중입니다. 주간 이탈 모델 학습을 위한 파이프라인을 설계하세요.

예상 결과:

데이터 수집, 검증, 피처 생성, 예약 학습, 기준선 비교, 레지스트리 승인, 배치 배포, 드리프트 모니터링을 포함하는 단계별 워크플로.

"ml-pipeline-workflow" 사용 중입니다. 프로덕션 배포 전에 우리 파이프라인을 검토하세요.

예상 결과:

  • 피처 생성 전에 명시적인 데이터 품질 검사를 추가하세요.
  • 고정된 기준선과의 모델 비교를 요구하세요.
  • 지연 시간, 정확도, 드리프트에 대한 rollback triggers를 정의하세요.

"ml-pipeline-workflow" 사용 중입니다. Kubernetes를 위한 오케스트레이션 접근 방식 선택을 도와주세요.

예상 결과:

팀 역량, 배포 대상, 아티팩트 추적, 운영 복잡성을 기준으로 Kubeflow, Dagster, Airflow를 비교 평가한 추천안.

보안 감사

안전
v8 • 2026. 7. 7. 버전별 보고서 열기

All nine static findings are false positives caused by Markdown inline code or fenced examples in SKILL.md. I found no prompt injection, data exfiltration intent, or unsafe external command behavior in the reviewed skill text.

1
스캔된 파일
246
분석된 줄 수
0
검토 항목
0
오탐 무시됨

위험 요인

⚙️ 외부 명령어 (9)
SKILL.md:59 SKILL.md:67 SKILL.md:76-89 SKILL.md:89-186 SKILL.md:186-197 SKILL.md:197-201 SKILL.md:201-205 SKILL.md:205-209 SKILL.md:209-213
가장 최근에 완료된 정적·의미론적 감사에서 확인된 보안 발견 사항이 감지되지 않았습니다. 이는 스킬에 부작용이 없음을 증명하지 않습니다.
감사자: codex 감사 이력 보기 →
이 보고서 공유 및 인용

버전이 지정된 평가 보고서, 중립 배지, 임베드 카드 및 인용을 공유하세요. Skillstore는 근거를 보고하지만 이 Skill의 안전 여부를 판단하지 않습니다.

버전별 보고서 열기
보안 평가

보고서 링크 복사

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

Markdown 배지

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

HTML 배지

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

임베드 카드

<iframe src="https://skillstore.io/embed/skills/wshobson-ml-pipeline-workflow.html" title="Skillstore Security Assessment" sandbox="allow-popups allow-popups-to-escape-sandbox" loading="lazy" referrerpolicy="no-referrer" width="420" height="180"></iframe>
학술 인용 (APA · BibTeX · CFF)

APA 인용

wshobson. (2026). ml-pipeline-workflow security audit report (audit version 8) [Author version unspecified]. Skillstore. https://skillstore.io/skills/wshobson-ml-pipeline-workflow/audits/8

BibTeX 인용

@techreport{wshobson-wshobson-ml-pipeline-workflow-2026, author = {wshobson}, title = {ml-pipeline-workflow security audit report (audit version 8)}, institution = {Skillstore}, year = {2026}, number = {8}, url = {https://skillstore.io/skills/wshobson-ml-pipeline-workflow/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-pipeline-workflow security audit report (audit version 8)" version: "unspecified" type: report authors: - name: "wshobson" date-released: "2026-07-07" url: "https://skillstore.io/skills/wshobson-ml-pipeline-workflow/audits/8" identifiers: - type: other value: "skillstore:wshobson-ml-pipeline-workflow:audit:8" description: "Skillstore immutable audit report identifier"

변형 비교

설치 가능한 변형 2개

각 작성자의 스킬은 별도의 설치 항목으로 유지됩니다. 추천 변형은 Skillstore 근거로 순위가 정해집니다.

이 변형이 1위인 이유

Skillstore 점수가 가장 높음
wshobson 권장 현재

wshobson-ml-pipeline-workflow

Skillstore 점수 79
증거 신뢰도 높음
Skillstore 사용량 17
업데이트됨

2026-09-09

sickn33

sickn33-ml-pipeline-workflow

Skillstore 점수 78
증거 신뢰도 높음
Skillstore 사용량 17
업데이트됨

2026-09-09

Skillstore 점수

이 점수의 이유 증거 신뢰도: 높음
55
아키텍처
85
유지보수성
87
콘텐츠
70
커뮤니티
91
사양 준수

만들 수 있는 것

새 ML 워크플로 설계

구현이 시작되기 전에 단계, 의존성, 검증 게이트, 배포 경로를 계획합니다.

MLOps 관행 표준화

재현 가능한 학습, 데이터 버전 관리, 실험 추적, rollback 계획을 위한 공유 지침을 만듭니다.

프로덕션 준비 상태 검토

기존 ML 파이프라인에서 누락된 검증, 모니터링, 롤아웃, 장애 처리 관행을 확인합니다.

이 프롬프트를 사용해 보세요

기본 파이프라인 매핑 
내 프로젝트를 위한 간단한 ML 파이프라인 설계를 도와주세요. 데이터 준비, 학습, 검증, 배포, 모니터링 단계를 포함하세요.
오케스트레이션 도구 선택 
이 ML 파이프라인에 대해 Airflow, Dagster, Kubeflow, Prefect를 비교하세요. 내 팀과 인프라를 기준으로 하나의 옵션을 추천하세요.
검증 게이트 추가 
내 ML 워크플로를 검토하고 데이터 품질, 모델 성능, 회귀 검사, 배포 승인을 위한 검증 게이트를 제안하세요.
프로덕션 롤아웃 계획 
이 모델 파이프라인을 위한 프로덕션 롤아웃 계획을 설계하세요. canary release, rollback triggers, monitoring metrics, incident response steps를 포함하세요.

모범 사례

  • 각 파이프라인 단계를 독립적으로 테스트 가능한 단위로 정의하세요.
  • 데이터, 코드, 구성, 모델, 평가 결과를 함께 버전 관리하세요.
  • 프로덕션 트래픽 변경 전에 자동화된 검증 및 rollback 기준을 사용하세요.

피하기

  • 기준선 비교나 성능 회귀 검사 없이 모델을 배포하는 것.
  • 명확한 소유권 없이 학습 로직, 서빙 로직, 피처 변환을 혼합하는 것.
  • 문서화된 지표, 임계값, rollback 단계 없이 수동 승인에 의존하는 것.

자주 묻는 질문

이 스킬이 완전한 MLOps 플랫폼을 만들어 주나요?
아니요. 계획 지침과 워크플로 구조를 제공합니다. 구현에는 여전히 프로젝트별 코드와 인프라가 필요합니다.
어떤 오케스트레이션 도구를 다루나요?
가능한 오케스트레이션 선택지로 Airflow, Dagster, Kubeflow Pipelines, Prefect를 언급합니다.
데이터 준비에 도움이 될 수 있나요?
예. 검증, 피처 엔지니어링, 데이터셋 버전 관리, 계보, train-validation-test 분할 계획을 다룹니다.
배포 전략이 포함되어 있나요?
예. shadow deployment, canary release, blue-green deployment, rollback mechanisms, production monitoring을 논의합니다.
이것은 규제 대상 ML 시스템에 적합한가요?
계획을 지원할 수 있지만, 규제 대상 시스템에는 추가적인 컴플라이언스, 감사, 개인정보 보호, 거버넌스 검토가 필요합니다.
검토된 스킬이 명령을 실행하나요?
증거를 찾을 수 없습니다. 검토된 파일은 문서이며 실행 가능한 command runner를 포함하지 않습니다.

개발자 세부 정보

작성자

wshobson

라이선스

MIT

Skillstore 리비전

r1

버전 안내

작성자가 버전을 선언하지 않았습니다.

리포지토리

https://github.com/wshobson/agents/tree/main/plugins/machine-learning-ops/skills/ml-pipeline-workflow

참조

36e07d5e13068e5be64447e8f20b427cf2cbd21a

유지보수 최신성

2026. 7. 22.

사용량

9 다운로드 · 184 조회

파일 구조

📄 SKILL.md

wshobson의 다른 스킬

전체 보기

관련 스킬

전체 보기