Ml

A skill pytorch-patterns ajuda você a escrever, revisar e depurar código PyTorch com padrões independentes de dispositivo, experimentos reproduzíveis e manipulação explícita de tensores. Use a skill pytorch-patterns para obter loops de treinamento mais limpos, refatorações de modelos e orientação prática em PyTorch.

vector-index-tuning ajuda a ajustar índices de busca vetorial para latência, recall e uso de memória. Use a skill para escolher tipos de índice, configurar parâmetros de HNSW e comparar opções de quantização em fluxos de RAG.

A skill huggingface-vision-trainer ajuda você a instalar e usar uma skill do Hugging Face para jobs de treinamento em visão: detecção de objetos, classificação de imagens e segmentação com SAM/SAM2. Cobre preparação de datasets, configuração de GPU na nuvem, avaliação, logging com Trackio e envio dos resultados para o Hub. É ideal para automação de backend e fluxos de treinamento repetíveis.

huggingface-trackio ajuda a acompanhar execuções de treinamento de ML com Trackio. Use esta skill para registrar métricas a partir do Python, adicionar alertas de treinamento e recuperar ou analisar execuções com o CLI do trackio. Ela oferece suporte a dashboards em tempo real, sincronização com Hugging Face Space e saída em JSON para automação, tornando o huggingface-trackio útil para acompanhamento de experimentos e análise de dados.

huggingface-llm-trainer ajuda você a treinar ou fazer fine-tuning de modelos de linguagem e visão no Hugging Face Jobs com TRL ou Unsloth. Use esta skill huggingface-llm-trainer para SFT, DPO, GRPO, reward modeling, validação de datasets, escolha de GPU, salvamento no Hub, monitoramento com Trackio e exportação para GGUF em fluxos de trabalho de desenvolvimento de backend.

A skill huggingface-best ajuda você a encontrar o melhor modelo para uma tarefa, consultando rankings de benchmark do Hugging Face e filtrando por limites de dispositivo e tamanho do modelo. Use quando precisar de recomendações de modelos para coding, reasoning, chat, OCR, RAG, speech, vision ou trabalho multimodal, e quiser uma shortlist prática em vez de uma lista genérica de modelos.

A skill hf-cli ajuda você a usar o Hugging Face Hub CLI (`hf`) para autenticação, downloads, uploads, gerenciamento de repositórios e buckets, inspeção de datasets e modelos e outros fluxos do Hub. É útil para equipes de Backend Development que querem um uso reproduzível e scriptável do hf-cli, além de um guia prático de hf-cli.

azure-ai-ml-py é o Azure Machine Learning SDK v2 para Python. Use esta skill para instalar o azure-ai-ml-py, conectar-se com o MLClient e gerenciar workspaces, jobs, modelos, datasets, compute e pipelines do Azure ML. É uma ótima opção para automação de backend e fluxos de trabalho repetíveis no Azure ML.

azure-mgmt-weightsandbiases-dotnet é o SDK .NET do Azure Resource Manager para Weights & Biases no Azure Marketplace. Use este skill azure-mgmt-weightsandbiases-dotnet no desenvolvimento de backend para instalar o pacote de prévia, configurar o Azure Identity e gerenciar o provisionamento da instância do W&B, o SSO e o ciclo de vida dos recursos em C#.

scvi-tools é um framework em Python para análise probabilística de dados de célula única. Use esta skill do scvi-tools para correção de lote, embeddings latentes, expressão diferencial com incerteza, transfer learning e integração multimodal. Ela é uma ótima opção para fluxos de trabalho com single-cell RNA-seq, ATAC, CITE-seq, multiome e espacial, especialmente em casos de uso avançados de Machine Learning.

skill modal para equipes de Backend Development que usam o Modal como runtime em nuvem para Python. Saiba quando usar o Modal para workloads com GPU, funções com autoscaling, APIs web, jobs agendados e pipelines em lote, além de como escolher o contexto de instalação certo, ler o repositório e escrever código pronto para deploy com menos boilerplate.

azure-ai-textanalytics-py é uma skill para Azure AI Text Analytics em Python. Ela ajuda com análise de sentimento, reconhecimento de entidades, extração de frases-chave, detecção de idioma, detecção de PII e NLP para saúde. Use-a quando precisar de um caminho rápido para configurar o cliente Azure, autenticação e uso prático de análise de texto em apps, notebooks ou fluxos de análise de dados.

ml-pipeline-workflow é um guia prático para projetar pipelines de MLOps de ponta a ponta, cobrindo preparação de dados, treinamento, validação, implantação e monitoramento, com padrões de orquestração para automatizar fluxos de trabalho repetíveis.