# ml-ops-engineer

Скилл ml-ops-engineer для Claude Code автоматизирует MLOps: развёртывание моделей, оркестрацию тренировочных конвейеров, мониторинг дрифта и настройку feature stores. Помогает закрывать разрывы в CI/CD.

- скилл · `type=skill` · Claude Code, Codex, Cursor, GitHub Copilot, Gemini CLI, OpenCode, Windsurf (Devin Desktop), Claude.ai · 180 установок · ★ 1183 у репозитория
- Автор: borghei
- Лицензия: LicenseRef-MIT-Commons-Clause · policy=link-only · показываем только описание, файл — у автора
- Исходник: https://github.com/borghei/Claude-Skills/tree/HEAD/data-analytics/ml-ops-engineer/SKILL.md
- Обновлён: 2026-10-23
- Проверка безопасности: автоматическая, 2026-11-16 (текст) — признаков вредоносного кода не нашли.
- HTML: https://affpapa.org/nevibecode/skills/ml-ops-engineer

## Что делает

Скилл помогает структурировать весь цикл MLOps: от оценки зрелости (ручные ноутбуки → автоматизированные конвейеры → полный CI/CD) до развёртывания моделей, регистрации артефактов и настройки мониторинга. Перед началом уточняет режим обслуживания (real-time на FastAPI или batch), SLA по задержкам, уровень текущей автоматизации и пороги для алертов дрифта. Это определяет, какую архитектуру выбрать.

Включает готовые примеры: FastAPI-сервер для real-time предсказаний с трекингом задержки, YAML для Kubernetes развёртывания с autoscaling, Python-функции для обнаружения дрифта через тесты Колмогорова — Смирнова, конфигурацию алертов по latency, error rate и accuracy drop, базовую структуру Feast для feature store. Рабочий процесс: сборка конвейера обучения с гейтами на точность, логирование в MLflow, health checks для serving, smoke-тесты и проверка процедуры rollback.

После уточнения входных параметров помощник предложит, какой разрыв в зрелости закрыть первым, и даст конкретные шаги для его заполнения.

## Установка

### Claude Code (родная платформа)

1. **Через Skills CLI (Vercel)**
```bash
npx skills add borghei/Claude-Skills --skill ml-ops-engineer -a claude-code
```

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

### Codex

1. **Через Skills CLI (Vercel)**
```bash
npx skills add borghei/Claude-Skills --skill ml-ops-engineer -a codex
```

2. **Вручную: положить файлы**
- Файл: `.agents/skills/ml-ops-engineer/SKILL.md` — Для всех проектов — ~/.agents/skills/

### Cursor

1. **Через Skills CLI (Vercel)**
```bash
npx skills add borghei/Claude-Skills --skill ml-ops-engineer -a cursor
```

2. **Вручную: положить файлы**
- Файл: `.cursor/skills/ml-ops-engineer/SKILL.md` — Cursor читает и .agents/skills/, и .claude/skills/

### GitHub Copilot

1. **GitHub CLI**
```bash
gh skill install borghei/Claude-Skills data-analytics/ml-ops-engineer/SKILL.md
```

2. **Вручную: положить файлы**
- Файл: `.github/skills/ml-ops-engineer/SKILL.md`

### Gemini CLI

1. **Через Skills CLI (Vercel)**
```bash
npx skills add borghei/Claude-Skills --skill ml-ops-engineer -a gemini-cli
```

2. **Командой платформы**
```bash
gemini skills install https://github.com/borghei/Claude-Skills --path data-analytics/ml-ops-engineer
```

### Windsurf (Devin Desktop)

**Вручную: положить файлы**
- Файл: `.devin/skills/ml-ops-engineer/SKILL.md` — Старый путь .windsurf/skills/ тоже читается

### OpenCode

**Через Skills CLI (Vercel)**
```bash
npx skills add borghei/Claude-Skills --skill ml-ops-engineer -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/borghei/Claude-Skills/tree/HEAD/data-analytics/ml-ops-engineer/SKILL.md

## Когда брать
- развернуть обученную модель на продакшене с real-time latency SLA
- настроить автоматическую переподготовку при обнаружении дрифта
- логировать версии моделей, метрики и артефакты в единый реестр
- мониторить P99 latency, error rate и distribution shift предсказаний
- построить CI/CD для ML-конвейера от данных до развёртывания

## Примеры запросов агенту
- Помоги развернуть fraud-detector в Kubernetes с 3 репликами и автоскейлингом по CPU
- Настрой мониторинг дрифта для feature store с проверками каждый день
- Какие шаги мне нужны, чтобы перейти от ручных ноутбуков к автоматизированному конвейру?

## Похожие
- [mlops-engineer](https://affpapa.org/nevibecode/agents/mlops-engineer.md) — субагент · 1009 установок
- [mlops-workflows](https://affpapa.org/nevibecode/skills/mlops-workflows.md) — скилл · 446 установок
- [ml-engineer](https://affpapa.org/nevibecode/agents/voltagent-community-ml-engineer.md) — субагент · 1971 установка
- [ml-pipeline](https://affpapa.org/nevibecode/commands/ml-pipeline.md) — команда · ★ 42780 у репозитория
- [machine-learning-engineer](https://affpapa.org/nevibecode/agents/machine-learning-engineer.md) — субагент · 431 установка
- [databricks-model-serving](https://affpapa.org/nevibecode/skills/databricks-model-serving.md) — скилл · 778 установок

Из того же набора: [borghei/claude-skills](https://affpapa.org/nevibecode/by/borghei/claude-skills.md) — 120 карточек

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