Ml

pytorch-patterns giúp bạn viết, rà soát và gỡ lỗi mã PyTorch với các mẫu độc lập thiết bị, thí nghiệm có thể tái lập và xử lý tensor rõ ràng. Dùng skill pytorch-patterns để có vòng lặp huấn luyện gọn hơn, refactor mô hình dễ hơn và hướng dẫn PyTorch thực tiễn hơn.

vector-index-tuning giúp tinh chỉnh chỉ mục tìm kiếm vector để tối ưu độ trễ, recall và bộ nhớ. Dùng skill này để chọn loại chỉ mục, điều chỉnh thiết lập HNSW và so sánh các phương án quantization cho quy trình RAG.

huggingface-vision-trainer giúp bạn cài đặt và sử dụng một skill Hugging Face cho các tác vụ huấn luyện thị giác máy tính: phát hiện đối tượng, phân loại ảnh và phân đoạn SAM/SAM2. Nội dung bao gồm chuẩn bị dữ liệu, thiết lập GPU trên cloud, đánh giá mô hình, ghi log bằng Trackio và đẩy kết quả lên Hub. Phù hợp cho tự động hóa backend và các quy trình huấn luyện có thể lặp lại.

huggingface-trackio giúp theo dõi các lần chạy huấn luyện ML bằng Trackio. Dùng skill này để ghi log metrics từ Python, thêm cảnh báo huấn luyện, và truy xuất hoặc phân tích các lần chạy bằng trackio CLI. Skill hỗ trợ dashboard thời gian thực, đồng bộ với Hugging Face Space, và xuất JSON để tự động hóa, khiến huggingface-trackio hữu ích cho theo dõi thí nghiệm và phân tích dữ liệu.

huggingface-llm-trainer giúp bạn huấn luyện hoặc fine-tune các mô hình ngôn ngữ và thị giác trên Hugging Face Jobs bằng TRL hoặc Unsloth. Dùng skill huggingface-llm-trainer cho SFT, DPO, GRPO, reward modeling, kiểm tra dataset, chọn GPU, lưu lên Hub, theo dõi bằng Trackio và xuất GGUF cho các quy trình phát triển backend.

Kỹ năng huggingface-best giúp bạn tìm model phù hợp nhất cho một tác vụ bằng cách kiểm tra bảng xếp hạng benchmark trên Hugging Face và lọc theo giới hạn thiết bị cũng như kích thước model. Hãy dùng khi cần gợi ý model cho lập trình, suy luận, chat, OCR, RAG, giọng nói, thị giác máy tính hoặc tác vụ đa phương thức, và bạn muốn một danh sách rút gọn thực dụng thay vì một danh sách model chung chung.

Kỹ năng hf-cli giúp bạn dùng Hugging Face Hub CLI (`hf`) cho xác thực, tải xuống, tải lên, quản lý repo và bucket, xem dataset và model, cùng các quy trình Hub khác. Đây là lựa chọn hữu ích cho các nhóm Backend Development muốn dùng hf-cli theo cách có thể lặp lại, dễ tự động hóa bằng script, kèm một hướng dẫn hf-cli thực tế.

azure-ai-ml-py là Azure Machine Learning SDK v2 cho Python. Dùng kỹ năng này để cài đặt azure-ai-ml-py, kết nối bằng `MLClient`, và quản lý các workspace, job, model, dataset, compute và pipeline của Azure ML. Đây là lựa chọn phù hợp cho tự động hóa backend và các quy trình Azure ML có thể lặp lại.

azure-mgmt-weightsandbiases-dotnet là SDK .NET Azure Resource Manager cho Weights & Biases trên Azure Marketplace. Hãy dùng skill azure-mgmt-weightsandbiases-dotnet này cho phát triển backend để cài gói preview, cấu hình Azure Identity và quản lý việc provision phiên bản W&B, SSO, cùng vòng đời tài nguyên từ C#.

azure-ai-textanalytics-py là một skill cho Azure AI Text Analytics trong Python. Skill này hỗ trợ phân tích cảm xúc, nhận diện thực thể, trích xuất cụm từ khóa, phát hiện ngôn ngữ, phát hiện PII và NLP cho y tế. Hãy dùng khi bạn cần đi nhanh từ khâu thiết lập client Azure, xác thực đến cách dùng text analytics thực tế cho ứng dụng, notebook hoặc quy trình phân tích dữ liệu.

ml-pipeline-workflow là hướng dẫn thực tiễn để thiết kế pipeline MLOps đầu-cuối cho chuẩn bị dữ liệu, huấn luyện, kiểm định, triển khai và giám sát, kèm các mẫu điều phối giúp tự động hóa quy trình lặp lại một cách ổn định.