ml-engineering

SKILL.md

| ML Frameworks | PyTorch, TensorFlow, Scikit-learn, XGBoost | | LLM Frameworks | LangChain, LlamaIndex, DSPy | | Data Tools | Spark, Airflow, dbt, Kafka, Databricks | | Deployment | Docker, Kubernetes, AWS/GCP/Azure | | Monitoring | MLflow, Weights & Biases, Prometheus | | Databases | PostgreSQL, BigQuery, Snowflake, Pinecone |

| P50 Latency | < 50ms | | P95 Latency | < 100ms | | P99 Latency | < 200ms | | Throughput | > 1000 RPS | | Availability | 99.9% |

Úselo cuando "implemente modelos de ML", "MLOps", "servicio de modelos", "almacenes de funciones", "monitoreo de modelos" o pregunte sobre "implementación de PyTorch", "producción de TensorFlow", "sistemas RAG", "integración de LLM", "infraestructura de ML" Fuente: eyadsibai/ltk.

Abre tu terminal o herramienta de línea de comandos (Terminal, iTerm, Windows Terminal, etc.) Copia y ejecuta este comando: npx skills add https://github.com/eyadsibai/ltk --skill ml-engineering Una vez instalado, el skill se configurará automáticamente en tu entorno de programación con IA y estará listo para usar en Claude Code o Cursor

Ver original