mcpField
S
senior-ml-engineer

senior-ml-engineer

github.com/ovachiever開発5648 回インストール48 週間前に更新
リポジトリ

senior-ml-engineer について

データおよびモデルシステムを設計・構築するエンジニア向けの、本番運用を重視した ML・AI エンジニアリングスキルです。MLOps、デプロイ、監視、システム設計を扱い、RAG 設計からリアルタイム推論までのスクリプトと資料を含みます。

主な機能

  1. 01本番システムのアーキテクチャ指針
  2. 02モデルのデプロイと監視ワークフロー
  3. 03RAG システム設計資料
  4. 04分散・リアルタイムデータ処理
  5. 05性能・セキュリティ・コストの最適化

活用シーン

  1. 01スケーラブルな ML システムの設計
  2. 02RAG システムの構築とデプロイ
  3. 03モデルドリフトの監視と再学習の計画
  4. 04低レイテンシのリアルタイム推論の実装

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/ovachiever/droid-tings --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