К основному содержанию
скилл CX Codex

model-evaluation-metrics — скилл для Claude Code: установка

Скилл model-evaluation-metrics помогает разбирать метрики оценки моделей, создавать код и конфигурации для ML Training и проверять результаты.

MIT 1 установок ★ 2 935 обновлён 2026-11-01

Установить в Claude Code · Через Skills CLI (Vercel) Все способы и платформы ↓
npx skills add jeremylongshore/tons-of-skills-marketplace --skill model-evaluation-metrics -a claude-code
Открыть на GitHub

Что делает model-evaluation-metrics

Скилл автоматически включается, когда запрос касается метрик оценки моделей, паттернов model evaluation или задач ML Training. Он даёт пошаговые рекомендации, предлагает практики для обучения моделей и формирует код с конфигурациями.

В рабочем процессе используются Read, Write, Edit, а также команды python и pip. Скилл проверяет результат по распространённым требованиям и помогает разобрать ошибки конфигурации, отсутствующие зависимости или проблемы с правами. Для работы нужна настроенная среда разработки и базовое понимание ML Training.

Какие задачи решает

  • разобрать метрики оценки модели
  • сгенерировать код для ML Training
  • создать конфигурацию эксперимента
  • проверить результат по общим требованиям
  • найти причину ошибки конфигурации или зависимости

Примеры запросов агенту

  • Помоги выбрать и применить метрики оценки для моей модели.
  • Сгенерируй конфигурацию и код для оценки модели в ML Training.
  • Проверь результаты оценки и найди проблемы с конфигурацией.

Как установить model-evaluation-metrics

1Через Skills CLI (Vercel)

npx skills add jeremylongshore/tons-of-skills-marketplace --skill model-evaluation-metrics -a claude-code

2Вручную: положить файлы

~/.claude/skills/model-evaluation-metrics/SKILL.md

Папка скилла целиком; для одного проекта — .claude/skills/model-evaluation-metrics/

По шагам, с командами для каждой платформы: Как установить скилл в Claude Code: пять способов

Вопросы о model-evaluation-metrics

Как установить model-evaluation-metrics в Claude Code?

Выполните npx skills add jeremylongshore/tons-of-skills-marketplace --skill model-evaluation-metrics -a claude-code, затем откройте ~/.claude/skills/model-evaluation-metrics/SKILL.md.

Что делает model-evaluation-metrics?

Скилл помогает с задачами оценки моделей: даёт пошаговые рекомендации, создаёт код и конфигурации, а затем проверяет результаты по общим требованиям.

Что нужно для работы скилла?

Нужны настроенная среда разработки и базовое понимание ML Training. Для команд доступны python и pip.

Исходный текст

SKILL.md · MIT
---
name: model-evaluation-metrics
description: 'Build model evaluation metrics operations. Auto-activating skill for
  ML Training.

  Triggers on: model evaluation metrics, model evaluation metrics

  Part of the ML Training skill category. Use when working with model evaluation metrics
  functionality. Trigger with phrases like "model evaluation metrics", "model metrics",
  "model".

  '
allowed-tools: Read, Write, Edit, Bash(python:*), Bash(pip:*)
version: 1.0.0
license: MIT
author: Jeremy Longshore <[email protected]>
tags:
- ai
- machine-learning
compatibility: Designed for Claude Code
---
# Model Evaluation Metrics

## Overview

This skill provides automated assistance for model evaluation metrics tasks within the ML Training domain.

## When to Use

This skill activates automatically when you:
- Mention "model evaluation metrics" in your request
- Ask about model evaluation metrics patterns or best practices
- Need help with machine learning training skills covering data preparation, model training, hyperparameter tuning, and experiment tracking.

## Instructions

1. Provides step-by-step guidance for model evaluation metrics
2. Follows industry best practices and patterns
3. Generates production-ready code and configurations
4. Validates outputs against common standards

## Examples

**Example: Basic Usage**
Request: "Help me with model evaluation metrics"
Result: Provides step-by-step guidance and generates appropriate configurations


## Prerequisites

- Relevant development environment configured
- Access to necessary tools and services
- Basic understanding of ml training concepts


## Output

- Generated configurations and code
- Best practice recommendations
- Validation results


## Error Handling

| Error | Cause | Solution |
|-------|-------|----------|
| Configuration invalid | Missing required fields | Check documentation for required parameters |
| Tool not found | Dependency not installed | Install required tools per prerequisites |
| Permission denied | Insufficient access | Verify credentials and permissions |


## Resources

- Official documentation for related tools
- Best practices guides
- Community examples and tutorials

## Related Skills

Part of the **ML Training** skill category.
Tags: ml, training, pytorch, tensorflow, sklearn

© Jeremy Longshore · MIT · jeremylongshore/tons-of-skills-marketplace

Похожие скиллы

Все скиллы по теме «ИИ и ML» →
ML Model Training aj-geddes Скилл ML Model Training для обучения моделей машинного обучения: классификация, регрессия и кластеризация на scikit-learn, PyTorch и TensorFlow. CX Codex +1 523установок ml-model-training secondsky Скилл ml-model-training для Claude Code ведёт агента по полному циклу обучения модели: подготовка данных, разбивка, тренировка, оценка. Собирает классификатор или регрессию без пропущенных шагов. CX Codex +1 484установок ml-engineer davila7 Скилл ml-engineer настраивает Claude Code на проектирование продакшен-систем машинного обучения. Помогает подготовить пайплайны данных, обучение и запуск моделей на PyTorch или TensorFlow. CX Codex +1 82установок run-train lllllllama Скилл run-train для Claude Code, Codex, Cursor и других платформ, который запускает команду обучения нейросети и сохраняет логи, чекпоинты и метрики в train_outputs/. CX Codex +1 362 700установок Model Hyperparameter Tuning aj-geddes Скилл Model Hyperparameter Tuning для Claude Code и Codex: подбирает гиперпараметры моделей через grid search, random search и байесовскую оптимизацию (Optuna) — когда базовые настройки не дают нужной метрики. CX Codex +1 500установок Machine Learning pluginagentmarketplace Скилл Machine Learning для Claude Code помогает обучать модели машинного обучения на Python, настраивать пайплайны, готовить признаки и отслеживать эксперименты. CX Codex +1 357установок

Из того же набора139

Весь набор →
klingai-audit-logging Скилл klingai-audit-logging настраивает защищённый журнал аудита для вызовов Kling AI API. Он фиксирует генерации видео, изменения статусов и хеширует промпты. CX Codex +1 1установок openrouter-audit-logging Скилл openrouter-audit-logging для Claude Code записывает метаданные вызовов OpenRouter, стоимость и хеш промпта. Данные помогают разбирать ошибки и учитывать использование моделей. CX Codex +1 1установок monitoring-whale-activity Скилл monitoring-whale-activity для Claude Code отслеживает крупные криптотранзакции и движения кошельков китов в реальном времени на нескольких блокчейнах. Запускается по запросам об активности китов и крупных переводах. CX Codex +1 1установок lokalise-observability Скилл lokalise-observability настраивает сбор метрик для интеграций с Lokalise: время ответов API, готовность переводов и вызовы вебхуков. Пригодится при отладке пайплайнов локализации. CX Codex +1 1установок date-range-analyzer Скилл для разбора временных диапазонов в задачах по аналитике данных. Включается сам, когда в запросе упоминается date range analyzer. CX Codex +1 1установок data-story-outliner Скилл data-story-outliner для платформ Claude Code, Codex, Cursor и других помощников ИИ, который автоматически включается при работе с аналитическими данными. CX Codex +1 1установок retention-calculator Скилл помогает разбирать задачи retention calculator в аналитике данных, готовит код и конфигурации. Активируется по запросу о retention. CX Codex +1 1установок metric-calculator Автоактивируемый скилл для задач Data Analytics. Включается по фразам «metric calculator» и «metric», помогает с SQL-запросами, визуализацией и статистикой. CX Codex +1 1установок

Спонсоры проекта

Компании, которые помогают держать аналитику открытой