mlops-engineer
Build comprehensive ML pipelines, experiment tracking, and model registries with MLflow, Kubeflow, and modern MLOps tools. Implements automated training, deployment, and monitoring across cloud platforms. Use PROACTIVELY for ML infrastructure, experiment management, or pipeline
Installation
Pick a client and clone the repository into its skills directory.
Installation
About this skill
Build comprehensive ML pipelines, experiment tracking, and model registries with MLflow, Kubeflow, and modern MLOps tools. Implements automated training, deployment, and monitoring across cloud platforms. Use PROACTIVELY for ML infrastructure, experiment management, or pipeline automation.
How to use
Zainstaluj skill MLOps Engineer w swoim środowisku agenta Claude/Copilot, wskazując repozytorium sickn33/antigravity-awesome-skills.
Przed każdym zadaniem wyjaśnij cele, ograniczenia i wymagane dane wejściowe — skill będzie pytać o szczegóły infrastruktury (Kubernetes, cloud platform, narzędzia dostępne w Twoim zespole).
Poproś skill o wskazówki dotyczące konkretnego obszaru: orchestracji pipeline'ów (Kubeflow, Airflow, Prefect), trackingu eksperymentów (MLflow, W&B), zarządzania modelami, CI/CD dla ML, lub monitorowania w produkcji. Skill zastosuje best practices i waliduje wyniki.
Dla złożonych wdrożeń otwórz plik resources/implementation-playbook.md z repozytorium — zawiera szczegółowe scenariusze i szablony konfiguracji.
Skorzystaj z actionable steps i weryfikacji, które skill generuje — każda rekomendacja powinna zawierać konkretne kroki do wykonania i sposób sprawdzenia poprawności.
Nie używaj skill'u do zadań spoza zakresu MLOps (np. frontend, business analytics) — skill automatycznie odrzuci nieistotne pytania i zasugeruje właściwe narzędzie.