Toutes les ressources premium et membres pour 8,99 €/mois, en abonnement sans engagement. Voir les offres

PalateKit

Menu

Demander une ressource

Décrivez en une phrase la ressource qui vous manque. Nous vous écrirons quand elle sera publiée.

0 / 280

Débloquer PalateKit

Tout débloquer

Offre

Le paiement vaut acceptation de nos conditions générales de vente.

Paiement sécurisé par Stripe. Reçus et factures envoyés par e-mail.

Content de vous revoir

Connectez-vous pour installer, télécharger ou sauvegarder cette ressource. Un compte gratuit suffit pour les ressources gratuites.

Déployer et optimiser des charges ML sur le cloud v1.0.0

Utilisez cette ressource pour déployer, mettre à l'échelle ou réduire le coût d'une charge ML dans le cloud

Nouveau

  • 455 téléchargements
  • 152 mentions J'aime
  • 241 sauvegardes

Gratuit

Installer avec la CLI

Dans un terminal, depuis le dossier voulu :

npx --yes palatekit@latest install ml-cloud-deployment-platforms

Sans option, la skill va dans ~/.agents/skills/ ; ajoutez --agent claude-code (ou codex, cursor…) pour viser un agent.

Première fois : connectez la CLI avec

npx --yes palatekit@latest login

L'agent part des besoins de la charge (latence, débit, conformité, budget), recommande une plateforme, puis décrit l'architecture, la mise à l'échelle et les commandes de déploiement. Vous obtenez un plan de déploiement justifié.

Choisie surtout par

Mise à jour le 2 novembre 2026

Carte de la skill « Déployer et optimiser des charges ML sur le cloud »

Caractéristiques

Guides d'installation
Génère avec
Le modèle de votre agent
Licence
MIT

Ressources similaires

Tout voir

Ce que vous obtenez

  • SKILL.md : critères de choix de plateforme et architecture cloud
  • SKILL.md : configuration de variantes d'endpoints et cycle de vie SageMaker en CLI

Pour qui

  • Vous devez choisir une plateforme pour un endpoint d'inférence
  • Vous voulez réduire le coût d'un entraînement sur GPU

Pas pour qui

    Étiquettes

    • déploiement
    • cloud
    • inférence
    • gpu
    • sagemaker

    À propos

    Vous dites

    « Déploie mon modèle de scoring en endpoint temps réel sur AWS avec mise à l'échelle automatique. »

    Carte de la skill « Déployer et optimiser des charges ML sur le cloud »

    Skill publiée par josiahsiegel sous licence MIT. Fichiers livrés dans leur version d'origine, en anglais.

    Voir plus

    Comment l'utiliser

    1. Installez la skill dans le dossier de skills de votre agent
    2. Demandez à votre agent de déployer, mettre à l'échelle ou réduire le coût d'une charge ML dans le cloud
    3. Relisez et ajustez le résultat

    Aperçu du contenu

    Fichiers

    • LICENSE1,1 Ko
    • NOTICE-PALATEKIT.md0,5 Ko
    • SKILL.md18,4 Ko

    Origine et licence

    Référencée sans modification

    Auteur
    josiahsiegel
    Source
    github.com/josiahsiegel/claude-plugin-marketplace/tree/5a1b1123b9e50aa9a66a61005ca6fe012cc7442d/plugins/ml-master/skills/ml-cloud-deployment
    Licence
    MIT

    Notice

    « ml-cloud-deployment » (josiahsiegel, MIT) livré dans sa version d'origine : fiche en français et en anglais par PalateKit.

    Avis des utilisateurs

    –

    Aucune note pour l'instant

    Chargement des avis…

    Supprimer votre avis ?

    Votre note et votre commentaire seront retirés de la fiche.