Communitygithub.com

SamuelChien/mega-skills-collection

Esta habilidade automatiza a adaptação de modelos de aprendizado de máquina pré-treinados usando técnicas de transferência de aprendizado. Ela é acionada quando o usuário solicita assistência com ajuste fino de um modelo, adaptação de um modelo pré-treinado a um novo conjunto de dados ou realização... Use quando o contexto apropriado for detectado. Acione com frases relevantes com base no propósito da habilidade.

O que é mega-skills-collection?

Esta habilidade, chamada 'Adaptador de Transferência de Aprendizado', automatiza a adaptação de modelos pré-treinados (como ResNet, BERT e GPT) para novas tarefas e conjuntos de dados por meio de ajuste fino, congelamento de camadas e otimização específica de domínio. Ela é acionada quando o usuário precisa de assistência com ajuste fino de modelos, adaptação de modelos pré-treinados a novos conjuntos de dados ou realização de transferência de aprendizado para melhorar o desempenho de modelos. A habilidade gera código Python personalizado usando frameworks populares de ML (TensorFlow, PyTorch), lida com validação de dados e monitoramento do treinamento, e fornece métricas de desempenho como precisão, revocação e F1-score. Ao final, salva artefatos como o modelo adaptado, logs de treinamento e métricas, além de gerar documentação automática sobre o processo de adaptação. É uma ferramenta versátil para desenvolvedores e engenheiros de ML que desejam economizar tempo e recursos ao adaptar modelos existentes para aplicações específicas, com suporte a boas práticas como pré-processamento de dados, ajuste de hiperparâmetros e regularização.

Funciona com✓Claude Code✓Codex CLI~Cursor
npx skills add https://github.com/SamuelChien/mega-skills-collection/tree/HEAD/adapting-transfer-learning-models

Perguntar na sua IA favorita

Abre um novo chat com esta habilidade de agente já pré-carregada.

Documentação

Adaptador de Transferência de Aprendizado

Adapte modelos pré-treinados (ResNet, BERT, GPT) a novas tarefas e conjuntos de dados por meio de ajuste fino, congelamento de camadas e otimização específica de domínio.

Visão Geral

Esta habilidade simplifica o processo de adaptação de modelos de aprendizado de máquina pré-treinados via transferência de aprendizado. Ela permite que você realize rapidamente o ajuste fino de modelos para tarefas específicas, economizando tempo e recursos em comparação com o treinamento do zero. Ela lida com as complexidades da adaptação de modelos, validação de dados e otimização de desempenho.

Como Funciona

  1. Analisar Requisitos: Examina a solicitação do usuário para entender a tarefa alvo, as características do conjunto de dados e as métricas de desempenho desejadas.
  2. Gerar Código de Adaptação: Cria código Python usando frameworks de ML apropriados (por exemplo, TensorFlow, PyTorch) para ajustar o modelo pré-treinado no novo conjunto de dados. Isso inclui etapas de pré-processamento de dados e modificações na arquitetura do modelo, se necessário.
  3. Implementar Validação e Tratamento de Erros: Adiciona código para validar os dados, monitorar o processo de treinamento e lidar com possíveis erros de forma elegante.
  4. Fornecer Métricas de Desempenho: Calcula e relata indicadores-chave de desempenho (KPIs), como acurácia, precisão, revocação e F1-score para avaliar a eficácia do modelo.
  5. Salvar Artefatos e Documentação: Salva o modelo adaptado, logs de treinamento, métricas de desempenho e gera automaticamente documentação descrevendo o processo de adaptação e os resultados.

Quando Usar Esta Habilidade

Esta habilidade é ativada quando você precisa:

  • Ajustar um modelo pré-treinado para uma tarefa específica.
  • Adaptar um modelo pré-treinado a um novo conjunto de dados.
  • Realizar transferência de aprendizado para melhorar o desempenho do modelo.
  • Otimizar um modelo existente para uma aplicação específica.

Exemplos

Exemplo 1: Adaptando um Modelo de Visão para Classificação de Imagens

Solicitação do usuário: "Ajuste um modelo ResNet50 para classificar imagens de diferentes tipos de flores."

A habilidade irá:

  1. Baixar o modelo ResNet50 e carregar um conjunto de dados de imagens de flores.
  2. Gerar código para ajustar o modelo no conjunto de dados de flores, incluindo técnicas de aumento de dados e otimização.

Exemplo 2: Adaptando um Modelo de Linguagem para Análise de Sentimentos

Solicitação do usuário: "Adapte um modelo BERT para realizar análise de sentimentos em avaliações de clientes."

A habilidade irá:

  1. Baixar o modelo BERT e carregar um conjunto de dados de avaliações de clientes com rótulos de sentimento.
  2. Gerar código para ajustar o modelo no conjunto de dados de avaliações, incluindo tokenização, padding e mecanismos de atenção.

Melhores Práticas

  • Pré-processamento de Dados: Certifique-se de que os dados sejam devidamente pré-processados e formatados para corresponder aos requisitos de entrada do modelo pré-treinado.
  • Ajuste de Hiperparâmetros: Experimente diferentes hiperparâmetros (por exemplo, taxa de aprendizado, tamanho do lote) para otimizar o desempenho do modelo.
  • Regularização: Aplique técnicas de regularização (por exemplo, dropout, decaimento de peso) para evitar overfitting.

Integração

Esta habilidade pode ser integrada com outros plugins para carregamento de dados, avaliação de modelos e implantação. Por exemplo, pode funcionar com um plugin de carregamento de dados para buscar conjuntos de dados e um plugin de implantação de modelos para implantar o modelo adaptado em uma infraestrutura de serviço.

Pré-requisitos

  • Permissões de acesso a arquivos apropriadas
  • Dependências necessárias instaladas

Instruções

  1. Invoque esta habilidade quando as condições de gatilho forem atendidas
  2. Forneça o contexto e os parâmetros necessários
  3. Revise a saída gerada
  4. Aplique modificações conforme necessário

Saída

A habilidade produz uma saída estruturada relevante para a tarefa.

Tratamento de Erros

  • Entrada inválida: Solicita correção
  • Dependências ausentes: Lista os componentes necessários
  • Erros de permissão: Sugere etapas de correção

Recursos

  • Documentação do projeto
  • Habilidades e comandos relacionados

Individual skills in this repo

This repo contains 20 individual skills — each has its own dedicated page.

SamuelChien/mega-skills-collection

Security audit, hardening, threat modeling (STRIDE/PASTA), Red/Blue Team, OWASP checks, code review, incident response, and infrastructure security for any project.

SamuelChien/mega-skills-collection

Arquitecto de Soluciones Principal y Consultor Tecnológico de Andru.ia. Diagnostica y traza la hoja de ruta óptima para proyectos de IA en español.

SamuelChien/mega-skills-collection

Ingeniero de Sistemas de Andru.ia. Diseña, redacta y despliega nuevas habilidades (skills) dentro del repositorio siguiendo el Estándar de Diamante.

SamuelChien/mega-skills-collection

Estratega de Inteligencia de Dominio de Andru.ia. Analiza el nicho específico de un proyecto para inyectar conocimientos, regulaciones y estándares únicos del sector. Actívalo tras definir el nicho.

SamuelChien/mega-skills-collection

2D game development principles. Sprites, tilemaps, physics, camera.

SamuelChien/mega-skills-collection

3D game development principles. Rendering, shaders, physics, cameras.

SamuelChien/mega-skills-collection

Expert in building 3D experiences for the web - Three.js, React Three Fiber, Spline, WebGL, and interactive 3D scenes. Covers product configurators, 3D portfolios, immersive websites, and bringing depth to web experiences.

SamuelChien/mega-skills-collection

Accessibility audit skill for scanning, fixing, and verifying WCAG 2.2 Level A and AA compliance across React, Next.js, Vue, Angular, Svelte, and plain HTML codebases. Use when auditing accessibility, fixing a11y violations, checking color contrast, generating compliance reports, or integrating accessibility checks into CI/CD pipelines.

SamuelChien/mega-skills-collection

Ab Test Analyzer - Auto-activating skill for Data Analytics. Triggers on: ab test analyzer, ab test analyzer Part of the Data Analytics skill category.

SamuelChien/mega-skills-collection

A B Test Config Creator - Auto-activating skill for ML Deployment. Triggers on: a b test config creator, a b test config creator Part of the ML Deployment skill category.

SamuelChien/mega-skills-collection

When the user wants to plan, design, or implement an A/B test or experiment. Also use when the user mentions "A/B test," "split test," "experiment," "test this change," "variant copy," "multivariate test," "hypothesis," "conversion experiment," "statistical significance," or "test this." For tracking implementation, see analytics-tracking.

SamuelChien/mega-skills-collection

Acceptance Criteria Creator - Auto-activating skill for Enterprise Workflows. Triggers on: acceptance criteria creator, acceptance criteria creator Part of the Enterprise Workflows skill category.

SamuelChien/mega-skills-collection

Use when a coding task should be driven end-to-end from issue intake through implementation, review, deployment, and acceptance verification with minimal human re-intervention.

SamuelChien/mega-skills-collection

Accessibility Audit Runner - Auto-activating skill for Frontend Development. Triggers on: accessibility audit runner, accessibility audit runner Part of the Frontend Development skill category.

SamuelChien/mega-skills-collection

You are an accessibility expert specializing in WCAG compliance, inclusive design, and assistive technology compatibility. Conduct audits, identify barriers, and provide remediation guidance.

SamuelChien/mega-skills-collection

Web accessibility patterns for WCAG 2.2 compliance including ARIA, keyboard navigation, screen readers, and testing

SamuelChien/mega-skills-collection

Manage Discord channel access — approve pairings, edit allowlists, set DM/group policy. Use when the user asks to pair, approve someone, check who's allowed, or change policy for the Discord channel.

SamuelChien/mega-skills-collection

Create unified specification packages across Business, Development, and Design teams. Staged elaboration (L0 Vision → L1 Requirements → L2 Team Detail → L3 Acceptance Criteria) to build shared understanding. Does not write code.

SamuelChien/mega-skills-collection

Research a company or person and get actionable sales intel. Works standalone with web search, supercharged when you connect enrichment tools or your CRM. Trigger with "research [company]", "look up [person]", "intel on [prospect]", "who is [name] at [company]", or "tell me about [company]".

SamuelChien/mega-skills-collection

Validate messaging consistency across website, GitHub repos, and local documentation generating read-only discrepancy reports. Use when checking content alignment or finding mixed messaging. Trigger with phrases like "check consistency", "validate documentation", or "audit messaging".

Habilidades Relacionadas