機械学習向けの Agent Skills
機械学習のスキルは、AIエージェントが予測問題の枠組み設定からデプロイ済みモデルの監視まで、データマイニングプロセスの各ステップを実行するのを助けます。このトピックのスキルは6つのサブトピックをカバーします。問題の枠組み設定（どんな予測が意思決定を変えるか、愚直なベースラインは何点か）、データ（モデルが見てよいもの、除外しなければならないもの）、トレーニング（トレーニングセットで自分を欺かずにモデルを適合させること）、評価（来週のデータでも通用する数値）、デプロイ（予測を製品に届けること）、監視（モデルは劣化する。誰かが気づかねばならない）。ランキングリストは、現在のステップに合うサブトピックを見つけ、そのステップに直接対応する説明のスキルを選んで使いましょう。リストは観測された検索需要順に並んでおり、直接一致するものが先に来て、単一のパブリッシャーには上限が設けられています。
8 件から開始21 件のおすすめ候補
まずはこちらから。
Machine learning follows a data-mining process: frame the problem, prepare data, train, evaluate, then deploy and watch drift.
関連性の高い結果です。Skill の説明を読み、目的に合うか確認してください。
- 順位 01Agent Skill を見る直接一致
ml-pipeline-workflow
データ取り込みと準備からモデルトレーニング、検証、デプロイ、モニタリングまでのエンドツーエンドのMLOpsパイプラインを、DAGオーケストレーションパターンと参照ガイドとともに構築する。
10,692 · 人気度 - 順位 02Agent Skill を見る直接一致
finetuning
公式Microsoft FoundryでSFT（教師あり）、DPO（選好）、RFT（グレーダー付き強化学習）を用いてモデルをファインチューニング。データセット準備、トレーニングジョブの投入、デプロイ、評価を網羅。USE FOR: fine-tune, SFT, DPO, RFT, training data, grader, distillation, fine-tuned model, training job, large file upload, calibrate grader, deploy fine-tuned model, evaluate fine-tuned model. DO NOT USE FOR: general model deployment without fine-tuning (use deploy-model), agent creation (use agents), prompt optimization without training (use prompt-optimizer).
- 順位 03Agent Skill を見る直接一致
azure-ai-ml-py
公式| Python用Azure Machine Learning SDK v2。MLワークスペース、ジョブ、モデル、データセット、コンピューティング、パイプラインに使用。トリガー：「azure-ai-ml」「MLClient」「workspace」「model registry」「training jobs」「datasets」。
- 順位 04Agent Skill を見る直接一致
agent-platform-eval-flywheel
公式>- Eval Quality Flywheel 手法を用いて Google Cloud 上の AI モデルと Agent の品質を測定・改善します。Agent やモデルの評価、eval データセットの構築、評価指標の選定や作成、失敗の分析、修正前後の結果比較、または Agent Platform の eval 手法（データセットスキーマ、LLM-as-judge スコアリング、よくある失敗原因など）に関するガイダンスが必要なときに使用します。ファインチューニングには agent-platform-tuning を使用してください。一般的な本番デプロイには agent-platform-deploy を使用してください。
- 順位 05Agent Skill を見る直接一致
bigquery-ai-ml
公式>- BigQueryの組み込み機械学習とGenAI機能を活用し、高度なデータ分析を行います。時系列予測、値の予測、外れ値や異常の検出、主要因の特定、セマンティック検索やベクトル検索、テキスト分類、類似度計算、コンテンツ要約、言語翻訳、モデル評価、セマンティック条件によるフィルタリング、BigQueryでの生成AI機能の活用が必要なSQLクエリを書く場合に使用します。一般的なBigQueryのデータセット、テーブル、ジョブ管理のリクエストには使用しないでください。
- 順位 06Agent Skill を見る直接一致
microsoft-foundry
公式Microsoft Foundryのエージェント、モデル、リソースをエンドツーエンドで構築、デプロイ、評価、最適化、ファインチューニング、管理します。USE FOR: azd ai agent, azd provision/deploy, hosted agent scaffold/develop/run/deploy/troubleshoot, prompt agent create, create agent, update agent, add tool to agent, invoke agent, agent.yaml, evaluate agent, batch eval, continuous eval, continuous monitoring, agent CI/CD, optimize prompt, improve prompt, prompt optimizer, optimize agent instructions, Agent Optimizer scaffold, dataset curation from traces, deploy model, model fine-tuning (SFT/DPO/RFT), Foundry project, RBAC, role assignment, permissions, quota, capacity, region, deployment failure, AI Services, create Foundry resource, knowledge index, customize deployment, onboard, availability, training-data, grader, distillation, large file upload. DO NOT USE FOR: Azure Functions, App Service, general Azure deploy (use azure-deploy), general Azure prep (use azure-prepare).
- 順位 07Agent Skill を見る直接一致
agent-platform-model-registry
公式>- Agent Platform Model Registryの管理。Agent Platform Model Registryで機械学習モデル（およびそのバージョン）をアップロード、一覧表示、説明、更新、削除する必要があるときに使用します。モデルのトレーニング、エンドポイントへのモデルデプロイ、Agent Platform以外のモデルの管理には使用しないでください。
- 順位 08Agent Skill を見る直接一致
agent-platform-deploy
公式>- Model GardenからAgent Platformエンドポイントへオープンモデルやカスタム重みをデプロイし、進行中のデプロイ操作のステータスを確認し、モデルのアンデプロイとエンドポイントの削除でリソースをクリーンアップする。モデルを実際にデプロイする、利用可能なモデルのModel Garden CATALOGを一覧表示する、特定のモデルがデプロイ可能か確認する（`gcloud ai model-garden models list-deployment-config`）、デプロイコストを照会する、デプロイエラー（クォータ制限など）をトラブルシューティングする、エンドポイントをアンデプロイ/クリーンアップする場合に使用。1P Tuned Modelをコピーしてデプロイする場合にも使用。「Xはデプロイされているか?」「自分のエンドポイントを一覧表示」「どのリージョンでモデルが稼働しているか?」といった純粋な一覧表示/検出の質問には使用しない — それらには`agent-platform-endpoint-management`を使用。公開Vertex AIデプロイには使用しない（`vertex-deploy`スキルを使用）。モデル評価の実行には使用しない（`agent-platform-eval-flywheel`スキルを使用）。
ほか 13 件の Agent Skills を表示
- 順位 09Agent Skill を見る一致の可能性
google-cloud-solution-agentic-ai-data-science-workflow
公式>- 独自のベストプラクティスを取り入れた、Google Cloud上のカスタマイズされたマルチプロダクトのエージェント型データサイエンスアーキテクチャを設計します。エージェントベースのデータ分析やMLワークロード向けのマルチプロダクトソリューションを設計する際に使用します。単純なクエリ、非エージェント型パイプライン、一般的なクラウドレビュー、エージェントコードの作成には使用しないでください。
前提条件（自己申告）: Network access
- 順位 10Agent Skill を見る一致の可能性
ai-research-reproduction
注目README優先の深層学習リポジトリ再現に対応するRigor Reproduce互換のスキルスラッグ。ユーザーがエンドツーエンドで最小限の信頼できるフローを求める場合に使用。リポジトリを最初に読み、文書化された最小の推論または評価ターゲットを選び、intake、setup、trusted execution、任意のtrusted training、任意のリポジトリ分析、任意のpaper-gap resolutionを調整し、保守的なパッチルールを適用し、証拠・前提・逸脱・人間の判断ポイントを記録し、標準化された `repro_outputs/` バンドルを書き出す。論文要約や汎用環境セットアップには使用しない。
310,973 · 人気度 - 順位 11Agent Skill を見る一致の可能性
minimal-run-and-audit
注目README優先のディープラーニングリポジトリ再現のためのRigor Runスキル。選択したスモークテストまたは文書化された推論・評価コマンドからエビデンスを取得・正規化し、標準化された`repro_outputs/`ファイルを書き出すことがタスクである場合に使用します。リポジトリのファイルが変更された場合はパッチノートも含みます。トレーニング実行、初期のリポジトリ取り込み、一般的な環境セットアップ、論文検索、ターゲット選択、隠れた科学的意味の変更、単体でのエンドツーエンドオーケストレーションには使用しないでください。
450,032 · 人気度 - 順位 12Agent Skill を見る一致の可能性
run-train
深層学習研究リポジトリ向けの Rigor Train skill。文書化または選択された学習コマンドを、起動確認、短期実行確認、本格キックオフ、再開のために保守的に実行すべきときに使用し、コマンド、設定、シード、ログ、チェックポイント、ステータス、指標のエビデンスを…に書き出します。
310,547 · 人気度 - 順位 13Agent Skill を見る一致の可能性
explore-run
Rigor Improve / Rigor Explore run leaf skill for bounded exploratory evidence in deep learning research repositories. Use when the researcher explicitly authorizes exploratory runs such as small-subset validation, short-cycle guess-and-check, batch sweeps, idle-GPU search, or quick…
310,529 · 人気度 - 順位 14Agent Skill を見る一致の可能性
analyze-project
Rigor Analyze / Rigor Auditは、深層学習研究リポジトリ向けの読み取り専用スキルです。ユーザーがリポジトリを読んで理解し、モデル構造や学習・推論のエントリポイントを調査し、設定や挿入ポイントを確認し、疑わしい実装パターンを指摘したい場合に使用します…
311,205 · 人気度 - 順位 15Agent Skill を見る一致の可能性
safe-debug
ディープラーニング研究作業向けのRigor Debug / Rigor Audit skill。ユーザーがトレースバック、ターミナルエラー、CUDA OOM、チェックポイント読み込み失敗、形状不一致、NaN損失の症状、学習失敗を貼り付け、パッチ適用前に保守的な診断を求めるときに使用。デバッグ修正は明確に分離…
310,743 · 人気度 - 順位 16Agent Skill を見る一致の可能性
repo-intake-and-plan
README優先のディープラーニングリポジトリ再現のためのRigor Intakeヘルパー。リポジトリをスキャンし、READMEと一般的なプロジェクトファイルを読み、文書化されたコマンドを抽出し、推論・評価・学習の候補を分類し、最小限の信頼できる…を返すというタスクに特化して使用する。
450,252 · 人気度 - 順位 17Agent Skill を見る一致の可能性
env-and-assets-bootstrap
README 優先のディープラーニングリポジトリ再現のための Rigor Setup Skill。README に記載されたリポジトリで実行する前に、保守的な conda 優先の環境、チェックポイントとデータセットのパス前提、キャッシュ場所のヒント、セットアップメモを準備することが具体的なタスクである場合に使用します。次には使用しないでください…
450,087 · 人気度 - 順位 18Agent Skill を見る一致の可能性
paper-context-resolver
README優先のディープラーニングリポジトリ再現のためのRigor Paper Contextヘルパー。READMEとリポジトリのファイルが再現に重要な狭いギャップを残し、データセット分割、前処理、評価プロトコル、チェックポイントのマッピングなど特定の論文の詳細を解決するタスクのときのみ使用。
451,036 · 人気度 - 順位 19Agent Skill を見る一致の可能性
azure-aigateway
公式AIモデル、MCPツール、エージェント向けのAI GatewayとしてAzure API Managementを構成します。WHEN: セマンティックキャッシュ、トークン制限、コンテンツ安全性、ロードバランシング、AIモデルガバナンス、MCPレート制限、ジェイルブレイク検出、Azure OpenAIバックエンドの追加、AI Foundryモデルの追加、AIゲートウェイのテスト、LLMポリシー…
544,026 · 人気度 - 順位 20Agent Skill を見る一致の可能性
airunway-aks-setup
公式AKS上にAI Runwayをセットアップ — 素のクラスタから稼働するモデルまで。クラスタ検証、コントローラのインストール、GPU評価、プロバイダ設定、初回デプロイを扱う。WHEN: \"setup AI Runway\", \"onboard AKS cluster\", \"install AI Runway\", \"airunway setup\", \"deploy model to AKS\", \"GPU…
337,927 · 人気度 - 順位 21Agent Skill を見る一致の可能性
developing-genkit-js
Node.js/TypeScriptでGenkitを使ったAI搭載アプリケーションを開発する。ユーザーがJavaScript/TypeScriptでのGenkit、AIエージェント、フロー、ツールについて尋ねた場合、またはGenkitのエラー、バリデーション問題、型エラー、API問題に遭遇した場合に使用。
58,870 · 人気度
このトピックの内容
各サブトピックは、特定の状況に合う Agent Skills をまとめたものです。
- Problem
- What prediction would change a decision, and what a dumb baseline scores.
- Data
- What the model is allowed to see, and what must be held out.
- Training
- Fit a model without fooling yourself on the training set.
- Evaluation
- Numbers that would still hold on next week's data.
- Deployment
- Get predictions into the product.
- Monitoring
- Models rot; someone has to notice.
よくある質問
- ランク付けされたリストはどのように並べられていますか？
- このリストは観測された検索需要順にランク付けされています。トピックに直接一致するものが先に表示され、1つのパブリッシャーが占められるスキル数には上限があります。
- 機械学習のトピックは何をカバーしますか？
- データマイニングのプロセスをカバーします。問題を枠組み化し、データを準備し、訓練し、評価し、そしてデプロイしてドリフトを監視します。サブトピックは problem、data、training、evaluation、deployment、monitoring です。
- どのサブトピックから始めるべきですか？
- プロセスにおける現在のステップに合うサブトピックから始めてください。予測を明確にしていない、または素朴なベースラインを確立していないならproblemから始め、すでにモデルがあるならevaluation、deployment、monitoringを見てください。
Agent Skill のインストール方法
Agent Skills は SKILL.md ファイルです。適切な skills ディレクトリに置くと、多くのエージェントが自動で認識します。
- Claude Code — copy the SKILL.md for ml-pipeline-workflow into ~/.claude/skills/ml-pipeline-workflow/ for yourself, or .claude/skills/ml-pipeline-workflow/ to share it with a project.
- From the registry — run npx skills add wshobson/agents@ml-pipeline-workflow.
- Or download ml-pipeline-workflow from its source and place that SKILL.md in the directory above.
選び方 インストール前に出典と Skill 自身の説明を確認してください。Official と Notable は出所を示すラベルです。