ProjectNeura/MLE

Was macht MLE?

Machine Learning Engineer (MLE): Trainieren Sie Ihr Modell mit nur einem Satz.

Übersicht

Dieser Skill wandelt eine kurze Beschreibung in natürlicher Sprache in ein vollständiges Machine-Learning-Training um. Geben Sie einfach die Aufgabe ein (z. B. „Klassifiziere Texte in positiv und negativ“) und der Skill erledigt den Rest – von der Datenauswahl über das Preprocessing bis zum trainierten Modell.

Funktionen

• Natürlichsprachliche Eingabe: Beschreiben Sie Ihr ML-Problem in einem Satz.
• Automatisierte Pipeline: Daten laden, vorverarbeiten, Modell erstellen, trainieren und evaluieren.
• Hyperparameter-Tuning: Optimiert automatisch die wichtigsten Parameter.
• Modellvalidierung: Kreuzvalidierung und Metriken wie Genauigkeit, F1-Score usw.
• Export: Speichert das trainierte Modell im gewünschten Format (z. B. .pkl, .h5).

Unterstützte Plattformen

• Claude Code
• Cursor
• Codex

Verwendung

1. Öffnen Sie den Skill in Ihrer bevorzugten IDE (z. B. Cursor).
2. Geben Sie einen Befehl ein wie: „Trainiere ein Klassifikationsmodell für meinen Datensatz data.csv mit der Zielspalte label.“
3. Der Skill generiert und führt den gesamten Code aus.
4. Das trainierte Modell wird im Ausgabeverzeichnis gespeichert.

Beispiel

# Eingabe
Trainiere ein lineares Regressionsmodell auf dem Datensatz housing.csv mit dem Ziel price

# Ausgabe
Modell trainiert und gespeichert unter models/housing_linear_regression.pkl
MSE: 2500.34, R²: 0.87

Konfiguration

Umgebungsvariablen:

• MLE_DATA_DIR: Pfad zum Datenverzeichnis (Standard: ./data)
• MLE_OUTPUT_DIR: Pfad zum Ausgabeverzeichnis (Standard: ./models)
• MLE_EPOCHS: Anzahl der Trainings-Epochen (Standard: 10)

Lizenz

MIT