mcpField
S
senior-ml-engineer

senior-ml-engineer

github.com/davila7開発33.0k799 回インストール1 日前に更新
リポジトリ

senior-ml-engineer について

Senior ML/AI Engineer は、本番向けの AI、ML、データシステムを構築するチーム向けのスキルです。モデルデプロイ、RAG、監視、スケーリング、運用の実践に関するスクリプトとリファレンスを備えています。

主な機能

  1. 01モデルデプロイ、RAG、監視用スクリプト
  2. 02MLOps と DataOps のガイダンス
  3. 03スケーラブルなデータ処理パターン
  4. 04デプロイとモデルドリフト監視の実践
  5. 05LLM 統合と RAG アーキテクチャの資料

活用シーン

  1. 01プロジェクト向けの RAG システムの構築と分析
  2. 02データを使ったモデルデプロイパイプラインの実行
  3. 03設定ファイルを使った ML 監視の構成
  4. 04スケーラブルな推論と本番運用の計画

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-ml-engineer

インストール後、Claude Code で/senior-ml-engineer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/
llm_integration_guide.md
mlops_production_patterns.md
rag_system_architecture.md
scripts/
ml_monitoring_suite.py
model_deployment_pipeline.py
rag_system_builder.py

詳細

シニア ML/AI 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 ML/AI エンジニア向けスキルです。

クイックスタート

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

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

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

コア領域

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カバーします:

  • 高度な本番環境向けの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 と 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モニタリング
  • 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 モニタリング: 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. MLOps 本番環境パターン

references/mlops_production_patterns.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
  • 本番環境での実装戦略
  • パフォーマンス最適化の手法
  • スケーラビリティの考慮事項
  • 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. LLM 統合ガイド

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

  • ステップバイステップのプロセス
  • 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の手順
3. RAG システムアーキテクチャ

references/rag_system_architecture.md にテクニカルリファレンスがあり、以下を扱います:

  • 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
  • モニタリングand オブザーバビリティ

本番環境パターン

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:

  • 水平スケーリングアーキテクチャ
  • 耐障害性の設計
  • リアルタイム処理とバッチ処理
  • データ品質の検証
  • パフォーマンスモニタリング
パターン 2: ML モデルのデプロイ

高可用性を備えた本番環境の ML システム:

  • 低レイテンシーでのモデル提供
  • A/B テスト基盤
  • フィーチャーストア統合
  • モデルのモニタリングとドリフト検出
  • 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:

  • バッチ処理とキャッシュ戦略
  • ロードバランシング
  • オートスケーリング
  • レイテンシー最適化
  • 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
  • すべてのもの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モニタリングする
  • デプロイを自動化する
  • リリースには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
  • ジュニアエンジニアをメンタリングする
  • 技術的な意思決定を主導する
  • コーディング標準を確立する
  • 学習文化を育む
  • 部門横断的な連携

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
  • データの暗号化（保存時と転送時）
  • 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/mlops_production_patterns.md
  • 実装ガイド: references/llm_integration_guide.md
  • テクニカルリファレンス: references/rag_system_architecture.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