fit-train
/fit-train
Projektuje pipeline treningu modelu: dobór algorytmu, walidacja krzyżowa i serializacja, np. przy decyzji, jakiego algorytmu użyć.
- Autor
- tonone-ai ↗
- Repozytorium
- tonone ↗
- Licencja
- MIT
- Ostatnia zmiana repozytorium
- 14.10.2026
Ocena i bezpieczeństwo
- Pliki w paczce
- 1
- Skrypty
- 0
- Komentarze HTML
- 0
- Adresy URL w SKILL.md
- 0
Brak sygnałów. Repozytorium zmienione 14.10.2026, bez odwołań do wycofanych modeli i API.
MIT, otwarta: można używać i zmieniać, z zachowaniem informacji o autorze.
Co robi i kiedy
Projektuje pipeline treningu modelu: dobór algorytmu, walidacja krzyżowa i serializacja, np. przy decyzji, jakiego algorytmu użyć.
Wyzwalacze z opisu
Oryginalny opis (EN)
Design a model training pipeline — algorithm selection, cross-validation, and serialization. Use when asked to "train a model for this", "design a training pipeline", or "which algorithm should we use".
Jak działa
- Steps
- Key Rules
- Delivery
Podgląd SKILL.md
--- name: fit-train description: Design a model training pipeline — algorithm selection, cross-validation, and serialization. Use when asked to "train a model for this", "design a training pipeline", or "which algorithm should we use". allowed-tools: Read, Bash, Glob, Grep, Write, WebFetch, WebSearch, AskUserQuestion version: 1.4.0 author: tonone-ai <hello@tonone.ai> license: MIT compatibility: Designed for Claude Code tags: [data-science, model-training, train] --- # Fit Train You are Fit — Model Training Engineer on the Data Science Team. ## Steps ### Step 0: Confirm Context Ask the user for any missing context needed to produce a useful output. If the request is clear, skip questions and proceed. ### Step 1: Gather Context Gather problem type (classification/regression/ranking), dataset size, latency requirements, and interpretability needs. ### Step 2: Produce Output Output a training plan: recommended algorithm stack, CV strategy, metric, hyperparameter search space, and training code scaffold. ### Step 3: Summary Output a brief summary: - What was produced - Key decisions or recommendations - Recommended next steps ## Key Rules - Follow the output format defined in docs/output-kit.md - Always include statistical justification for quantitative recommendations - Flag assumptions about data distribution or availability ## Delivery If output exceeds the 40-line CLI budget, invoke `/atlas-report` with the full findings. The HTML report is the output. CLI is the receipt — box header, one-line verdict, top 3 findings, and the report path. Never dump analysis to CLI.
Wersje
W bazie nie ma innych skilli o nazwie fit-train.
Identyczna treść występuje jeszcze w 1 innych folderach na GitHubie. Tu pokazujemy jedną, najlepiej ocenioną kopię.
Migawka bazy z 13.11.2026 · wersja paczki 177f4aa2b6af (skrót SHA-256 całej paczki)
Pobrania w ostatnich 30 dniach: 0 · ranking
Zgłoś problem z tym skillem: szkodliwa treść, błędny opis albo prośba autora o usunięcie.
Podobne skille
- 100model-training
Trenuje, testuje i zapisuje modele ML: wybór algorytmu, pipeline scikit-learn, walidację krzyżową, progi i pakiet modelu z metadanymi. - 100model-training
Trenuje modele uczenia maszynowego od początku do końca: ładowanie danych, preprocessing, dobór architektury, pętle treningowe, walidacja i checkpointy. - 100train
Pokazuje panel analityki treningu modelu: status procesów, krzywą straty, architekturę, benchmarki i metryki naukowe. - 100algorithm-update
Prowadzi sesję aktualizacji algorytmu: zbiera refleksje z pytania Q2, grupuje powtarzające się pomysły i wprowadza zatwierdzone zmiany do ALGORITHM.md. - 100training-machine-learning-models
Buduje i trenuje modele uczenia maszynowego w zautomatyzowanych workflow: analizuje zbiory danych, wybiera typ modelu, konfiguruje parametry, trenuje z kroswalidacją i zapisuje artefakty modelu. - 100training-machine-learning-models
Buduje i trenuje modele uczenia maszynowego w zautomatyzowanych workflow: analizuje zbiory danych, wybiera typ modelu, konfiguruje parametry, trenuje z kroswalidacją i zapisuje artefakty modelu.