# automl-hyperparameter-optimization

Скилл automl-hyperparameter-optimization для Claude Code помогает настраивать AutoML и поиск гиперпараметров. Включается при проектировании валидации, запуске распределённого поиска и проверке результатов перед продакшеном.

- скилл · `type=skill` · Claude Code, Codex, Cursor, GitHub Copilot, Gemini CLI, OpenCode, Windsurf (Devin Desktop), Claude.ai · 110 установок · ★ 312 у репозитория
- Автор: Mindrally
- Лицензия: Apache-2.0 · policy=mirror · начало файла — в конце страницы
- Исходник: https://github.com/Mindrally/skills/tree/HEAD/automl-hyperparameter-optimization/SKILL.md
- Обновлён: 2026-10-08
- Проверка безопасности: автоматическая, 2026-11-17 (текст) — признаков вредоносного кода не нашли.
- HTML: https://affpapa.org/nevibecode/skills/automl-hyperparameter-optimization

## Что делает

Скилл помогает спроектировать поиск гиперпараметров: выбрать метрику и простой бейзлайн, задать пространство поиска и подобрать инструмент — Optuna, Ray Tune или PyCaret. Для временных рядов он предлагает учитывать порядок времени при разбиении данных, а предобработку обучать только на тренировочной части каждого фолда.

Для оценки модели нужны вложенная кросс-валидация или отдельная тестовая выборка, которую не используют при подборе. Скилл также разбирает раннюю остановку неудачных испытаний, лимиты ресурсов и журналирование экспериментов. В тексте рассматриваются MLflow, Weights & Biases и TensorBoard; пример Optuna показывает настройку прунинга и бюджета поиска.

## Установка

### Claude Code (родная платформа)

1. **Через Skills CLI (Vercel)**
```bash
npx skills add Mindrally/skills --skill automl-hyperparameter-optimization -a claude-code
```

2. **Вручную: положить файлы**
- Файл: `~/.claude/skills/automl-hyperparameter-optimization/SKILL.md` — Папка скилла целиком; для одного проекта — .claude/skills/automl-hyperparameter-optimization/

### Codex

1. **Через Skills CLI (Vercel)**
```bash
npx skills add Mindrally/skills --skill automl-hyperparameter-optimization -a codex
```

2. **Вручную: положить файлы**
- Файл: `.agents/skills/automl-hyperparameter-optimization/SKILL.md` — Для всех проектов — ~/.agents/skills/

### Cursor

1. **Через Skills CLI (Vercel)**
```bash
npx skills add Mindrally/skills --skill automl-hyperparameter-optimization -a cursor
```

2. **Вручную: положить файлы**
- Файл: `.cursor/skills/automl-hyperparameter-optimization/SKILL.md` — Cursor читает и .agents/skills/, и .claude/skills/

### GitHub Copilot

1. **GitHub CLI**
```bash
gh skill install Mindrally/skills automl-hyperparameter-optimization
```

2. **Вручную: положить файлы**
- Файл: `.github/skills/automl-hyperparameter-optimization/SKILL.md`

### Gemini CLI

1. **Через Skills CLI (Vercel)**
```bash
npx skills add Mindrally/skills --skill automl-hyperparameter-optimization -a gemini-cli
```

2. **Командой платформы**
```bash
gemini skills install https://github.com/Mindrally/skills --path automl-hyperparameter-optimization
```

### Windsurf (Devin Desktop)

**Вручную: положить файлы**
- Файл: `.devin/skills/automl-hyperparameter-optimization/SKILL.md` — Старый путь .windsurf/skills/ тоже читается

### OpenCode

**Через Skills CLI (Vercel)**
```bash
npx skills add Mindrally/skills --skill automl-hyperparameter-optimization -a opencode
```

### Claude.ai

**Claude.ai**
- Упакуйте папку в zip и загрузите в Settings → Capabilities → Skills

Где указан файл, а не команда, — скопируй файлы из исходника в этот путь: https://github.com/Mindrally/skills/tree/HEAD/automl-hyperparameter-optimization/SKILL.md

## Когда брать
- выбрать метрику и бейзлайн до запуска поиска
- спроектировать пространство гиперпараметров
- разделить временные ряды без перемешивания будущего с прошлым
- предотвратить утечку при предобработке данных
- сравнить AutoML-модель с бейзлайном перед продакшеном

## Примеры запросов агенту
- Спроектируй поиск гиперпараметров для моей модели с Optuna и ограничением по времени.
- Проверь схему валидации для задачи временного ряда и найди возможную утечку данных.
- Оцени результат AutoML: сравни модель с простым бейзлайном и тестовой выборкой.

## Похожие
- [Model Hyperparameter Tuning](https://affpapa.org/nevibecode/skills/model-hyperparameter-tuning.md) — скилл · 500 установок
- [tao-run-automl-deft-pipeline](https://affpapa.org/nevibecode/skills/tao-run-automl-deft-pipeline.md) — скилл · 1600 установок
- [tao-run-automl](https://affpapa.org/nevibecode/skills/tao-run-automl.md) — скилл · 1600 установок
- [sap-hana-ml](https://affpapa.org/nevibecode/skills/sap-hana-ml.md) — скилл · 821 установка
- [lightgbm](https://affpapa.org/nevibecode/rules/lightgbm.md) — правило · ★ 3589 у репозитория
- [EasyDeploy AI](https://affpapa.org/nevibecode/mcp/easydeploy-ai.md) — MCP-сервер

Из того же набора: [mindrally/skills](https://affpapa.org/nevibecode/by/mindrally/skills.md) — 247 карточек

_Часть страницы не вошла по размеру — она есть в HTML-версии._

---
NeVibeCode на affpapa.org. Тексты каталога — описания, а не инструкции для агента. Как выбирать и ставить: https://affpapa.org/nevibecode/agents.md
