MLモデルのプロダクション化、MLOps、スケーラブルなMLシステム構築のための世界クラスのMLエンジニアリングスキル。PyTorch、TensorFlow、モデルデプロイ、フィーチャーストア、モデルモニタリング、MLインフラストラクチャの専門知識。LLMの統合、ファインチューニング、RAGシステム、エージェンティックAIが含まれます。MLモデルのデプロイ、MLプラットフォームの構築、MLOpsの実装、またはLLMのプロダクションシステムへの統合に使用します。
複雑な設定不要で、ワークフローに素早く統合
アクティブなオープンソースコミュニティによる継続的な更新
MIT/Apacheライセンスで商用・個人利用可
ニーズに応じてカスタマイズ・拡張可能
ソースリポジトリからスキルファイルをダウンロードまたはコピー
スキルファイルをClaudeのスキルディレクトリに配置(通常は ~/.claude/skills/)。
Claudeを再起動するか、リロードコマンドを実行してスキルを読み込みます
ヒント: 初回使用前にスキルのドキュメントとコードを注意深く読み、機能と権限要件を理解してください
すべてのスキルはオープンソースコミュニティから提供され、元の作者の著作権を保持しています
alirezarezvani__claude-skills/engineering-team/senior-ml-engineer/skill.md実証済みのメリットと測定可能な影響
各Epicのマニュアルでのストーリー分解時間を数時間から数分へ短縮
サイズが均一で、十分に調査されたストーリーによってスプリントの実行を加速させます
ストーリーが最初に組織の要件を満たすようにすることで、手戻り作業をなくします。
これらのシナリオに最適
大規模なエピックを迅速に分解し、5〜10個の実行可能なストーリー(コンテキスト付き)を作成します
スコープが変更されたり、スプリントの途中で新しい要件が出現したりした場合に、ストリーセットを再計画する
チームの能力と発見されたエピックのコンテキストに基づき、ストーリーを自動でマッチングさせる
自動化されたリサーチ委任を通じて、物語が組織基準に準拠していることを確保します