mcpField
S
senior-computer-vision

senior-computer-vision

github.com/davila7開発33.0k1.2k 回インストール1 日前に更新
リポジトリ

senior-computer-vision について

コンピュータービジョンエンジニア向けのスキルです。モデル学習、推論最適化、データセットパイプライン構築のスクリプトと、アーキテクチャや本番システムの資料を提供します。開発、デプロイ、監視、性能改善を扱います。

主な機能

  1. 01ビジョンモデル学習スクリプト
  2. 02推論最適化分析スクリプト
  3. 03データセットパイプライン構築
  4. 04本番ビジョンシステムの資料
  5. 05デプロイ、監視、性能改善の指針

活用シーン

  1. 01コンピュータービジョンモデルの学習
  2. 02プロジェクトの推論最適化機会の分析
  3. 03データセットパイプラインの構築とデプロイ
  4. 04本番ビジョンシステムの計画

インストール

コマンドをコピーしてターミナルで実行します。

$npx skills add https://github.com/davila7/claude-code-templates --skill senior-computer-vision

インストール後、Claude Code で/senior-computer-visionを入力して読み込まれたか確認します。

同梱ファイル

SKILL.md と一緒にインストールされる参考資料やスクリプト。

references/
computer_vision_architectures.md
object_detection_optimization.md
production_vision_systems.md
scripts/
dataset_pipeline_builder.py
inference_optimizer.py
vision_model_trainer.py

詳細

シニアコンピュータービジョンエンジニア

本番環境グレードの AI/ML/データシステム向けの、世界最高水準のシニアコンピュータービジョンエンジニアスキルです。

クイックスタート

主な機能
# Core Tool 1
python scripts/vision_model_trainer.py --input data/ --output results/

# Core Tool 2  
python scripts/inference_optimizer.py --target project/ --analyze

# Core Tool 3
python scripts/dataset_pipeline_builder.py --config config.yaml --deploy

中核となる専門分野

このスキルは、以下の分野における世界最高水準の機能を対象としています。

  • 高度な本番環境向けパターンとアーキテクチャ
  • スケーラブルなシステムの設計と実装
  • 大規模環境でのパフォーマンス最適化
  • MLOps および DataOps のベストプラクティス
  • リアルタイム処理と推論
  • 分散コンピューティングフレームワーク
  • モデルのデプロイと監視
  • セキュリティとコンプライアンス
  • コスト最適化
  • チームのリーダーシップとメンタリング

技術スタック

言語: Python, SQL, R, Scala, Go ML フレームワーク: PyTorch, TensorFlow, Scikit-learn, XGBoost データツール: Spark, Airflow, dbt, Kafka, Databricks LLM フレームワーク: LangChain, LlamaIndex, DSPy デプロイ: Docker, Kubernetes, AWS/GCP/Azure 監視: MLflow, Weights & Biases, Prometheus データベース: PostgreSQL, BigQuery, Snowflake, Pinecone

リファレンスドキュメント

1. コンピュータービジョンアーキテクチャ

references/computer_vision_architectures.md に包括的なガイドがあり、以下を扱います。

  • 高度なパターンとベストプラクティス
  • 本番実装戦略
  • パフォーマンス最適化技術
  • スケーラビリティに関する考慮事項
  • セキュリティとコンプライアンス
  • 実際のケーススタディ
2. 物体検出の最適化

references/object_detection_optimization.md に完全なワークフロードキュメントがあり、以下を含みます。

  • ステップごとのプロセス
  • アーキテクチャ設計パターン
  • ツール統合ガイド
  • パフォーマンスチューニング戦略
  • トラブルシューティング手順
3. 本番ビジョンシステム

references/production_vision_systems.md に技術リファレンスガイドがあり、以下を掲載しています。

  • システム設計の原則
  • 実装例
  • 設定のベストプラクティス
  • デプロイ戦略
  • 監視と可観測性

本番パターン

パターン 1: スケーラブルなデータ処理

分散コンピューティングによるエンタープライズ規模のデータ処理です。

  • 水平スケーリングアーキテクチャ
  • フォールトトレラントな設計
  • リアルタイム処理とバッチ処理
  • データ品質の検証
  • パフォーマンス監視
パターン 2: ML モデルのデプロイ

高可用性を備えた本番 ML システムです。

  • 低レイテンシーでのモデルサービング
  • A/B テスト基盤
  • フィーチャーストアの統合
  • モデル監視とドリフト検出
  • 自動再学習パイプライン
パターン 3: リアルタイム推論

高スループットの推論システムです。

  • バッチ処理とキャッシュ戦略
  • ロードバランシング
  • 自動スケーリング
  • レイテンシーの最適化
  • コスト最適化

ベストプラクティス

開発
  • テスト駆動開発
  • コードレビューとペアプログラミング
  • ドキュメントのコード化
  • すべてをバージョン管理する
  • 継続的インテグレーション
本番運用
  • 重要なものはすべて監視する
  • デプロイを自動化する
  • リリースにフィーチャーフラグを使用する
  • カナリアデプロイメント
  • 包括的なロギング
チームリーダーシップ
  • 若手エンジニアをメンタリングする
  • 技術的な意思決定を推進する
  • コーディング標準を確立する
  • 学習文化を育む
  • 部門横断的な協業

パフォーマンス目標

レイテンシー:

  • P50: < 50ms
  • P95: < 100ms
  • P99: < 200ms

スループット:

  • リクエスト/秒: > 1000
  • 同時ユーザー数: > 10,000

可用性:

  • 稼働率: 99.9%
  • エラー率: < 0.1%

セキュリティとコンプライアンス

  • 認証と認可
  • データ暗号化（保存時と転送時）
  • 個人情報（PII）の取り扱いと匿名化
  • GDPR/CCPA への準拠
  • 定期的なセキュリティ監査
  • 脆弱性管理

よく使うコマンド

# Development
python -m pytest tests/ -v --cov
python -m black src/
python -m pylint src/

# Training
python scripts/train.py --config prod.yaml
python scripts/evaluate.py --model best.pth

# Deployment
docker build -t service:v1 .
kubectl apply -f k8s/
helm upgrade service ./charts/

# Monitoring
kubectl logs -f deployment/service
python scripts/health_check.py

リソース

  • 高度なパターン: references/computer_vision_architectures.md
  • 実装ガイド: references/object_detection_optimization.md
  • 技術リファレンス: references/production_vision_systems.md
  • 自動化スクリプト: scripts/ ディレクトリ

シニアレベルの責任

世界トップクラスのシニアプロフェッショナルとして：

  1. 技術的リーダーシップ

    • アーキテクチャ上の意思決定を主導します
    • チームメンバーを指導します
    • ベストプラクティスを確立します
    • コード品質を確保します

  2. 戦略的思考

    • ビジネス目標との整合性を図ります
    • トレードオフを評価します
    • スケーリングを計画します
    • 技術的負債を管理します

  3. コラボレーション

    • チーム間で協力します
    • 効果的にコミュニケーションを取ります
    • 合意形成を図ります
    • 知識を共有します

  4. イノベーション

    • 最新の研究動向を把握します
    • 新しいアプローチを試します
    • コミュニティに貢献します
    • 継続的な改善を推進します

  5. 本番環境での卓越性

    • 高可用性を確保します
    • 積極的に監視します
    • パフォーマンスを最適化します
    • インシデントに対応します

コメント

Markdown 対応