68건 · 관련도순
Shared review framework that every domain reviewer (pci, oracle, gov, edtech, healthcare, mlops, etc.) MUST follow. Defines the output artifact (TM-{slug}.md), mandatory sections, severity scale, verdict format, the workflow scaffold (when-invoked, Step-0 read-inputs, HANDOFF), and the "domain heuristic vs generic check" boundary. Eliminates duplication across the ~30 reviewer prompts.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Runs production ML and LLM systems. Use when deploying, canarying, rolling back, monitoring drift or feature skew, promoting champions, migrating providers, or handling incidents.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Designing and evaluating AI/ML systems: prompt engineering, RAG design, LLM application patterns, AI safety, evaluation frameworks, MLOps, cost optimization. Use for AI pipelines or eval harnesses.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
LLM prompt management and evaluation platform. Version prompts, run A/B tests, evaluate with metrics, and deploy with confidence using Agenta's self-hosted solution.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Use whenever the user wants to find, shortlist, vet, or enrich US AI/ML/data consulting firms (consultancies) — AI/ML development, MLOps, generative AI / LLM apps (RAG, chatbots, agents), computer vision, NLP, recommendation systems, data engineering, BI/analytics. Triggers on "find an AI/ML consulting firm to build our recommendation engine", "shortlist three RAG/LLM consultancies for an enterprise chatbot", "compare three AI/ML consulting firms with strong ratings", or "pull contact info for these 8 AI consultancy domains", even when described indirectly (we want to use AI for X, deploy ML to production). Drives the ServiceGraph API (api.servicegraph.co) — a 100k+ US firm catalog filterable by industry, services, location, size, ratings. Defer to find-software-developer for general app/backend work where AI is just a feature. Skip in-house ML/data hires, LLM/AI-tool comparisons (ChatGPT vs Claude), "how do I fine-tune X" DIY questions, AI courses for individuals, non-US firms, individual freelancers.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
AI and ML expert covering PyTorch, TensorFlow, Hugging Face, scikit-learn, LLM integration, RAG pipelines, MLOps, and production ML systems
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Use this skill when defining AI governance policies, designing human oversight workflows, documenting bias mitigation strategies, or meeting regulatory transparency requirements for Salesforce AI features. Trigger keywords: responsible AI, AI bias, AI audit trail, AI transparency, human-in-the-loop, AI risk inventory, AI disclosure. NOT for the MLOps pipeline or Policy-as-Code engine architecture — use architect/ai-governance-architecture. NOT for Trust Layer technical configuration — use agentforce/einstein-trust-layer.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
ML Engineer — model deployment, MLOps pipeline, feature store, model monitoring, A/B testing, production ML system design
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
HuggingFace hf CLI: search/download/upload models, datasets.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Visualize métricas de treinamento, depure modelos com histogramas, compare experimentos, visualize grafos de modelos e perfil de desempenho com TensorBoard - kit de visualização de ML do Google
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Rastreie experimentos de ML, gerencie registro de modelos com versionamento, implante modelos em produção e reproduza experimentos com MLflow - plataforma agnóstica a frameworks para ciclo de vida de ML
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
HuggingFace hf CLI: search/download/upload models, datasets.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
MLflow, model versioning, experiment tracking, model registry, and production ML systems
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Complete end-to-end MLOps pipeline orchestration from data preparation through model deployment.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
HuggingFace hf CLI: search/download/upload models, datasets.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Visualize training metrics, debug models with histograms, compare experiments, visualize model graphs, and profile performance with TensorBoard - Google's ML visualization toolkit
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Track ML experiments, manage model registry with versioning, deploy models to production, and reproduce experiments with MLflow - framework-agnostic ML lifecycle platform
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Track ML experiments with automatic logging, visualize training in real-time, optimize hyperparameters with sweeps, and manage model registry with W&B - collaborative MLOps platform
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Hugging Face Hub CLI (hf) — search, download, and upload models and datasets, manage repos, query datasets with SQL, deploy inference endpoints, manage Spaces and buckets.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
HuggingFace hf CLI: search/download/upload models, datasets.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.