Ml

pytorch-patterns te ayuda a escribir, revisar y depurar código de PyTorch con patrones agnósticos al dispositivo, experimentos reproducibles y manejo explícito de tensores. Usa la skill pytorch-patterns para crear bucles de entrenamiento más limpios, refactorizar modelos y obtener guía práctica de PyTorch.

vector-index-tuning ayuda a ajustar índices de búsqueda vectorial para optimizar latencia, recall y uso de memoria. Úsala para elegir tipos de índice, ajustar la configuración de HNSW y comparar opciones de cuantización en flujos de trabajo RAG.

huggingface-vision-trainer te ayuda a instalar y usar una skill de Hugging Face para trabajos de entrenamiento de visión: detección de objetos, clasificación de imágenes y segmentación con SAM/SAM2. Cubre preparación de datasets, configuración de GPU en la nube, evaluación, registro con Trackio y publicación de resultados en el Hub. Es ideal para automatización en backend y flujos de entrenamiento repetibles.

huggingface-trackio ayuda a hacer seguimiento de ejecuciones de entrenamiento de ML con Trackio. Usa esta skill para registrar métricas desde Python, añadir alertas de entrenamiento y recuperar o analizar ejecuciones con la CLI de trackio. Admite paneles en tiempo real, sincronización con Hugging Face Space y salida JSON para automatización, por lo que huggingface-trackio resulta útil para el seguimiento de experimentos y el análisis de datos.

huggingface-llm-trainer te ayuda a entrenar o ajustar modelos de lenguaje y visión en Hugging Face Jobs con TRL o Unsloth. Usa esta skill de huggingface-llm-trainer para SFT, DPO, GRPO, modelado de recompensas, comprobación de datasets, selección de GPU, guardado en Hub, monitorización con Trackio y exportación a GGUF para flujos de trabajo de desarrollo backend.

La skill huggingface-best te ayuda a encontrar el mejor modelo para una tarea revisando los rankings de referencia de Hugging Face y filtrando por límites del dispositivo y tamaño del modelo. Úsala para obtener recomendaciones de modelos en coding, reasoning, chat, OCR, RAG, speech, vision o trabajo multimodal cuando necesitas una shortlist práctica, no una lista genérica de modelos.

La skill hf-cli te ayuda a usar la CLI de Hugging Face Hub (`hf`) para autenticación, descargas, cargas, gestión de repos y buckets, inspección de datasets y modelos, y otros flujos de trabajo de Hub. Es útil para equipos de Backend Development que buscan un uso repetible y scriptable de hf-cli, junto con una guía práctica de hf-cli.

azure-ai-ml-py es el SDK v2 de Azure Machine Learning para Python. Usa este skill para instalar azure-ai-ml-py, conectarte con MLClient y administrar workspaces, jobs, modelos, datasets, compute y pipelines de Azure ML. Encaja especialmente bien en automatización de backend y flujos de trabajo repetibles en Azure ML.

azure-mgmt-weightsandbiases-dotnet es el SDK de Azure Resource Manager para .NET de Weights & Biases en Azure Marketplace. Usa esta skill de azure-mgmt-weightsandbiases-dotnet para desarrollo backend si necesitas instalar el paquete de vista previa, configurar Azure Identity y administrar el aprovisionamiento de instancias de W&B, el SSO y el ciclo de vida de recursos desde C#.

scvi-tools es un framework de Python para el análisis probabilístico de datos de célula única. Usa esta skill de scvi-tools para corrección de lotes, embeddings latentes, expresión diferencial con incertidumbre, transfer learning e integración multimodal. Encaja especialmente bien en flujos de trabajo de RNA-seq de célula única, ATAC, CITE-seq, multiome y espacial, sobre todo en casos de uso avanzados de Machine Learning.

Skill de modal para equipos de desarrollo backend que usan Modal como runtime en la nube para Python. Aprende cuándo usar Modal para cargas de trabajo con GPU, funciones con autoscaling, APIs web, jobs programados y pipelines por lotes, además de cómo elegir el contexto de instalación adecuado, leer el repositorio y escribir código listo para desplegar con menos boilerplate.

azure-ai-textanalytics-py es una skill para Azure AI Text Analytics en Python. Sirve para análisis de sentimiento, reconocimiento de entidades, extracción de frases clave, detección de idioma, detección de PII y NLP para salud. Úsala cuando necesites una vía rápida para configurar clientes de Azure, autenticación y uso práctico de análisis de texto en apps, notebooks o flujos de análisis de datos.

ml-pipeline-workflow es una guía práctica para diseñar pipelines MLOps de extremo a extremo para preparación de datos, entrenamiento, validación, despliegue y monitorización, con patrones de orquestación para automatizar flujos de trabajo repetibles.