machine-learning-ops — плагин для Claude Code: функции и установка
Плагин для построения пайплайнов обучения моделей, подбора гиперпараметров и MLOps в Claude Code, Codex и Cursor.
/plugin marketplace add wshobson/agents
/plugin install machine-learning-ops@claude-code-workflowsЧто делает machine-learning-ops
Плагин задаёт рабочие процессы машинного обучения. Он помогает выстраивать конвейеры обучения моделей и автоматизировать развёртывание. Сюда же входит отслеживание экспериментов и настройка подбора гиперпараметров.
Инструмент рассчитан на Claude Code, Codex и Cursor. Для работы в Claude Code нужно сначала зарегистрировать маркетплейс wshobson/agents: без каталога пакет machine-learning-ops@claude-code-workflows не загрузится. Лицензия проекта — MIT.
Какие задачи решает
- настроить конвейер обучения ML-моделей
- автоматизировать развёртывание обученных моделей
- организовать отслеживание экспериментов
- подготовить сценарии подбора гиперпараметров
Примеры запросов агенту
- Помоги составить пайплайн для обучения модели и отслеживания экспериментов
- Настрой автоматизацию развёртывания новой версии модели
- Спланируй подбор гиперпараметров для обучения ML-модели
Как установить machine-learning-ops
Через маркетплейс плагинов
/plugin marketplace add wshobson/agents/plugin install machine-learning-ops@claude-code-workflowsПо шагам, с командами для каждой платформы: Плагины Claude Code: маркетплейсы, установка и как собрать свой
Вопросы о machine-learning-ops
Как установить machine-learning-ops в Claude Code?
В Claude Code выполните последовательно две команды: сначала /plugin marketplace add wshobson/agents, а затем /plugin install machine-learning-ops@claude-code-workflows.
Что делает плагин machine-learning-ops?
Он организует MLOps-процессы: обучение моделей, фиксацию результатов экспериментов, подбор гиперпараметров и автоматическое развёртывание.
С какими средами совместим плагин?
Плагин рассчитан на Claude Code, Codex и Cursor.
Исходный текст
machine-learning-ops · MIT
ML model training pipelines, hyperparameter tuning, model deployment automation, experiment tracking, and MLOps workflows
© Seth Hobson · MIT · wshobson/agents
