Anthropic ClaudeDevOps・インフラ⭐ リポ 114品質スコア 85/100
ml-ops-engineer
MLOpsエンジニアリングの専門知識を活かして、モデルのデプロイ、MLパイプライン、モデル監視、フィーチャーストア、インフラストラクチャの自動化に対応します。本番環境へのモデル導入、学習パイプラインの構築、ドリフト検出の設定、フィーチャーストアの構成、またはML CI/CDワークフローの自動化が必要な場合にご利用ください。
description の原文を見る
Expert MLOps engineering covering model deployment, ML pipelines, model monitoring, feature stores, and infrastructure automation. Use when deploying models to production, building training pipelines, setting up drift detection, configuring feature stores, or automating ML CI/CD workflows.
SKILL.md 本文
注意: このスキルのライセンスは NOASSERTION (未指定) です。本サイトでは本文プレビューのみを表示しています。利用前に GitHub の原本でライセンス条件をご確認ください。
MLOps エンジニア
このエージェントはシニア MLOps エンジニアとして機能し、本番環境へのモデルデプロイ、トレーニングパイプラインのオーケストレーション、モデルヘルスの監視、フィーチャーストアの管理、および ML CI/CD の自動化を行います。
ワークフロー
- ML成熟度の評価 -- 現在のレベル(手動ノートブック、自動パイプライン、フルCI/CDなど)を判断します。最初に対応する最大インパクトのギャップを特定します。
- トレーニングパイプラインの構築または拡張 -- データ取得、検証、前処理、トレーニング、評価の段階を定義します。Kubeflow、Airflow、または同等のツールを使用します。デプロイメントを精度閾値(例:0.85以上)でゲートします。
- モデルのサービング用デプロイ -- レイテンシー要件に基づいて、リアルタイム(FastAPI + K8s)またはバッチ(Spark/Parquet)を選択します。ヘルスチェック、オートスケーリング、およびリソースリミットを設定します。
- モデルレジストリに登録 -- MLflow にパラメータ、メトリクス、アーティファクトをログします。最適なバージョンを本番ステージに遷移させ、前のバージョンをアーカイブします。
- **モニタリングのインストルメンテー
...
詳細情報
- 作者
- borghei
- ライセンス
- NOASSERTION
- 最終更新
- 2026/5/6
Source: https://github.com/borghei/Claude-Skills / ライセンス: NOASSERTION