AIKraft/Skills/mlops-engineer

mlops-engineer

Создаёт ML-пайплайны, трекинг экспериментов и реестры моделей с помощью MLflow, Kubeflow и других современных MLOps-инструментов. Полезен для настройки инфраструктуры машинного обучения.

sickn33 official Разработка ★ 47.3k

Что делает навык

Навык предназначен для проектирования и настройки масштабируемой ML-инфраструктуры, автоматизации пайплайнов и управления жизненным циклом моделей (от экспериментов до продакшена). Он решает задачи по выбору инструментов оркестрации, трекинга, реестров моделей и развёртывания в облачных средах (AWS, Azure, GCP) с использованием Kubernetes и IaC.

Когда применять

  • Проектирование архитектуры MLOps-платформы с нуля, включая выбор облачного стека и инструментов оркестрации.
  • Настройка CI/CD для ML-моделей, включая автоматическое тестирование, реестры моделей и стратегии развёртывания (A/B, canary).
  • Реализация мониторинга и observability для ML-систем, включая обнаружение дрейфа данных и производительности моделей.
  • Оптимизация затрат и масштабируемости ML-инфраструктуры с использованием spot-инстансов, автоскейлинга и распределённого обучения.

Как работает

  1. Уточнить цели, ограничения и требуемые входные данные для задачи MLOps.
  2. Проанализировать требования к масштабу, безопасности и бизнес-потребностям для выбора подходящих облачных сервисов и инструментов.
  3. Спроектировать архитектуру с применением Infrastructure as Code (Terraform, CloudFormation и др.) и версионированием.
  4. Включить мониторинг, observability и стратегии безопасности на этапе проектирования.
  5. Предоставить пошаговые инструкции, чек-листы или открыть resources/implementation-playbook.md для детальных примеров.
  6. Документировать процессы и предоставить операционные инструкции (runbooks).

Примеры запросов агенту

Спроектируйте полную MLOps-платформу на AWS с автоматизированным обучением и развёртыванием моделей.
Реализуйте GitOps-рабочий процесс для развёртывания ML-моделей с контрольными точками одобрения.
Создайте систему мониторинга для обнаружения дрейфа данных и проблем с производительностью моделей.

Что понадобится

  • Доступ к облачным платформам (AWS, Azure, GCP) и их специфичным сервисам ML.
  • Инструменты оркестрации и контейнеризации (Kubernetes, Docker, Kubeflow, Airflow и др.).
  • Инструменты Infrastructure as Code (Terraform, CloudFormation, Bicep и др.).

Описание составлено по SKILL.md навыка, сверено 09.10.2026.

Как подключить

1Скачать навык
# возьмите папку навыка «mlops-engineer» из репозитория: # https://github.com/sickn33/agentic-awesome-skills
2Положить папку с SKILL.md к навыкам ассистента
# положите папку навыка туда, где ассистент ищет skills: cp -r mlops-engineer/ ~/.claude/skills/mlops-engineer/

Навык — папка с файлом SKILL.md (описание + инструкции) и опциональными скриптами. Ассистент (Claude, Claude Code и совместимые) подхватывает его по описанию и следует шагам.