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

PalateKit

Se connecter
Menu

Demander une ressource

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

0 / 280

Une page, une vidéo ou une image en ligne.

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.

Mise en production de modèles de machine learning v1.0.0

Utilisez cette ressource pour mettre en production un modèle de machine learning

Nouveau

  • 552 téléchargements
  • 120 mentions J'aime
  • 141 sauvegardes

Gratuit

Installer avec la CLI

Dans un terminal, depuis le dossier voulu :

npx --yes palatekit@latest install ml-model-production-deployment

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 analyse le besoin, génère le code de service et les fichiers de conteneur, ajoute la validation des données d'entrée et prévoit le suivi des performances. Il illustre le cas d'un modèle de régression et celui d'un modèle de classification. Vous obtenez une marche à suivre et les fichiers de service correspondants.

Choisie surtout par

Mise à jour le 2 novembre 2026

Carte de la skill « Mise en production de modèles de machine learning »

Caractéristiques

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

Ressources similaires

Tout voir

Ce que vous obtenez

  • SKILL.md : stratégie de déploiement, étapes et bonnes pratiques
  • scripts/README.md et references/README.md : notes sur les scripts et les références

Pour qui

  • Vous devez exposer un modèle entraîné via une API
  • Vous voulez conteneuriser un modèle et suivre ses performances en production

Pas pour qui

    Étiquettes

    • machine learning
    • déploiement
    • api
    • conteneur

    À propos

    Vous dites

    « Déploie mon modèle de classification de tickets derrière une API, dans un conteneur. »

    Carte de la skill « Mise en production de modèles de machine learning »

    Skill publiée par Jeremy Longshore <jeremy@intentsolutions.io> 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 mettre en production un modèle de machine learning
    3. Relisez et ajustez le résultat

    Aperçu du contenu

    Fichiers

    • assets/README.md0,2 Ko
    • LICENSE1,1 Ko
    • NOTICE-PALATEKIT.md0,6 Ko
    • references/README.md0,1 Ko
    • scripts/README.md0,7 Ko
    • SKILL.md3,3 Ko

    Origine et licence

    Référencée sans modification

    Auteur
    Jeremy Longshore <jeremy@intentsolutions.io>
    Source
    github.com/jeremylongshore/tons-of-skills-marketplace/tree/ab85a061f7bcc039dac13ee193de7a4cd4388571/skills/.curated/deploying-machine-learning-models
    Licence
    MIT

    Notice

    « deploying-machine-learning-models » (Jeremy Longshore <jeremy@intentsolutions.io>, 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.