experiment-tracking
✓À utiliser pour le « suivi des expériences », « MLflow », « Poids et biais », « wandb », « registre de modèles », « journalisation des hyperparamètres », « expériences ML », « métriques d'entraînement »
Installation
SKILL.md
| Platform | Best For | Self-hosted | Visualization |
| MLflow | Open-source, model registry | Yes | Basic | | W&B | Collaboration, sweeps | Limited | Excellent | | Neptune | Team collaboration | No | Good | | ClearML | Full MLOps | Yes | Good |
Strengths: Self-hosted, open-source, model registry, framework integrations Limitations: Basic visualization, less collaborative features
À utiliser pour le « suivi des expériences », « MLflow », « Poids et biais », « wandb », « registre de modèles », « journalisation des hyperparamètres », « expériences ML », « métriques d'entraînement » Source : eyadsibai/ltk.
Faits (prêts à citer)
Champs et commandes stables pour les citations IA/recherche.
- Commande d'installation
npx skills add https://github.com/eyadsibai/ltk --skill experiment-tracking- Source
- eyadsibai/ltk
- Catégorie
- </>Développement
- Vérifié
- ✓
- Première apparition
- 2026-02-17
- Mis à jour
- 2026-02-18
Réponses rapides
Qu'est-ce que experiment-tracking ?
À utiliser pour le « suivi des expériences », « MLflow », « Poids et biais », « wandb », « registre de modèles », « journalisation des hyperparamètres », « expériences ML », « métriques d'entraînement » Source : eyadsibai/ltk.
Comment installer experiment-tracking ?
Ouvrez votre terminal ou outil de ligne de commande (Terminal, iTerm, Windows Terminal, etc.) Copiez et exécutez cette commande : npx skills add https://github.com/eyadsibai/ltk --skill experiment-tracking Une fois installé, le skill sera automatiquement configuré dans votre environnement de programmation IA et prêt à être utilisé dans Claude Code ou Cursor
Où se trouve le dépôt source ?
https://github.com/eyadsibai/ltk
Détails
- Catégorie
- </>Développement
- Source
- skills.sh
- Première apparition
- 2026-02-17