Ml

pytorch-patterns 可協助你以裝置無關的模式、可重現的實驗，以及明確的 tensor 處理來撰寫、審閱與除錯 PyTorch 程式碼。這個 pytorch-patterns 技能適合用來打造更乾淨的訓練迴圈、重構模型，以及取得實用的 PyTorch 指引。

vector-index-tuning 可協助調校向量搜尋索引，在延遲、召回率與記憶體使用之間取得平衡。可用來選擇索引類型、調整 HNSW 設定，並比較 RAG 工作流程中的量化選項。

huggingface-vision-trainer 可協助你安裝並使用一套 Hugging Face 視覺訓練技能，支援物件偵測、影像分類，以及 SAM/SAM2 分割等訓練工作。內容涵蓋資料集準備、雲端 GPU 環境設定、評估、Trackio 記錄與將結果推送到 Hub。很適合後端自動化與可重複的訓練流程。

huggingface-trackio 可搭配 Trackio 追蹤 ML 訓練執行。這個技能可用來從 Python 記錄指標、加入訓練告警，並透過 trackio CLI 擷取或分析 runs。它支援即時儀表板、Hugging Face Space 同步，以及供自動化使用的 JSON 輸出，因此很適合用於實驗追蹤與資料分析。

huggingface-llm-trainer 可協助你在 Hugging Face Jobs 上使用 TRL 或 Unsloth 訓練或微調語言與視覺模型。這個 huggingface-llm-trainer 技能適用於 SFT、DPO、GRPO、reward modeling、資料集檢查、GPU 選擇、Hub 儲存、Trackio 監控，以及供後端開發流程使用的 GGUF 匯出。

huggingface-best 技能可透過檢查 Hugging Face 基準排行榜，並依裝置限制與模型大小篩選，幫你找到某項任務的最佳模型。當你需要的是實用的候選清單，而不是泛用模型列表時，它很適合用在程式撰寫、推理、聊天、OCR、RAG、語音、視覺或多模態工作上的模型推薦。

hf-cli 技能可協助你使用 Hugging Face Hub CLI（`hf`）完成驗證、下載、上傳、repo 與 bucket 管理、資料集與模型檢視，以及其他 Hub 工作流程。對於希望以可重複、可腳本化方式使用 hf-cli，並需要一份實用 hf-cli 指南的 Backend Development 團隊特別有幫助。

azure-ai-ml-py 是 Azure Machine Learning 的 Python 版 SDK v2。使用這個技能來安裝 azure-ai-ml-py、連接 MLClient，並管理 Azure ML 工作區、工作、模型、資料集、運算與管線。它很適合後端自動化與可重複執行的 Azure ML 工作流程。

azure-mgmt-weightsandbiases-dotnet 是用於 Azure Marketplace 上 Weights & Biases 的 .NET Azure Resource Manager SDK。這個 azure-mgmt-weightsandbiases-dotnet 技能適合後端開發，用來安裝預覽套件、設定 Azure Identity，並以 C# 管理 W&B 執行個體佈建、SSO 與資源生命週期。

scvi-tools 是一個用於機率式單細胞分析的 Python 框架。這個 scvi-tools 技能可用於批次校正、潛在嵌入、帶不確定性估計的差異表現分析、遷移學習，以及多模態整合。它特別適合單細胞 RNA-seq、ATAC、CITE-seq、multiome 與空間流程，尤其是進階 Machine Learning 使用情境。

這是給使用 Modal 作為 Python 雲端執行環境的 Backend Development 團隊使用的 modal 技能。了解何時適合用 Modal 來處理 GPU 工作負載、自動擴縮函式、Web API、排程工作與批次 पाइपलाइन，並學會如何選對安裝情境、閱讀 repo，以及撰寫更少樣板、可直接部署的程式碼。

azure-ai-textanalytics-py 是一個用於 Python 中 Azure AI Text Analytics 的技能。它可協助進行情感分析、實體辨識、關鍵片語擷取、語言偵測、PII 偵測與醫療保健 NLP。當你需要快速完成 Azure 用戶端設定、驗證，以及在應用程式、Notebook 或資料分析工作流程中實作實用的文字分析時，這個技能很適合。

ml-pipeline-workflow 是一份實用指南，聚焦如何設計涵蓋資料準備、訓練、驗證、部署與監控的端到端 MLOps pipeline，並提供可重複執行的工作流程自動化編排模式。