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.

Industrialiser un modèle ML : suivi, registre, CI/CD, surveillance v1.0.0

Utilisez cette ressource pour mettre en production, versionner et surveiller un système de machine learning

Nouveau

  • 347 téléchargements
  • 123 mentions J'aime
  • 167 sauvegardes

Gratuit

Installer avec la CLI

Dans un terminal, depuis le dossier voulu :

npx --yes palatekit@latest install mlops-production-pipeline

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 vérifie les invariants MLOps d'un projet, puis propose le suivi des expériences, le registre des modèles, les pipelines et la surveillance de dérive. Vous obtenez une architecture avec retour arrière possible.

Choisie surtout par

Mise à jour le 2 novembre 2026

Carte de la skill « Industrialiser un modèle ML : suivi, registre, CI/CD, surveillance »

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 : invariants MLOps, suivi d'expériences et registre de modèles
  • SKILL.md : pipelines, workflows CI/CD, validation des données et surveillance de dérive

Pour qui

  • Vous devez déployer un modèle avec une voie de retour arrière
  • Vous voulez détecter la dérive après la mise en production

Pas pour qui

    Étiquettes

    • mlops
    • machine learning
    • déploiement
    • registre de modèles
    • surveillance

    À propos

    Vous dites

    « Mets en place le suivi des expériences et le registre pour notre modèle de scoring. »

    Carte de la skill « Industrialiser un modèle ML : suivi, registre, CI/CD, surveillance »

    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 mettre en production, versionner et surveiller un système de machine learning
    3. Relisez et ajustez le résultat

    Aperçu du contenu

    Fichiers

    • LICENSE1,1 Ko
    • NOTICE-PALATEKIT.md0,5 Ko
    • SKILL.md12,5 Ko

    Origine et licence

    Référencée sans modification

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

    Notice

    « ml-mlops » (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.