O que MLE faz?
Engenheiro de Machine Learning (MLE): treine seu modelo com apenas uma frase.
Engenheiro de Machine Learning (MLE): treine seu modelo com apenas uma frase.
O ProjectNeura/MLE é uma habilidade projetada para simplificar o processo de treinamento de modelos de machine learning. Com esta ferramenta, desenvolvedores e engenheiros podem descrever o problema em linguagem natural, e a habilidade automaticamente configura, treina e avalia um modelo adequado. Suporta plataformas como Claude Code, Cursor e Codex, integrando-se perfeitamente ao fluxo de trabalho do usuário. Ao reduzir a complexidade do pipeline de ML, o ProjectNeura/MLE permite que os usuários foquem mais na experimentação e menos na configuração manual. Seu funcionamento é baseado em interpretar descrições textuais e mapeá-las para pipelines de treinamento apropriados, utilizando bibliotecas populares como scikit-learn, TensorFlow ou PyTorch, conforme necessário.
npx skills add ProjectNeura/MLEInstalled? Explore more Pesquisa e Análise de Dados skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →
Engenheiro de Machine Learning (MLE): treine seu modelo com apenas uma frase.
USPTO patent and trademark data workflow for official record lookup, PatentSearch queries, TSDR checks, assignment data, and reproducible IP research logs.
Structured scholarly-work evaluation for papers, proposals, literature reviews, methods sections, evidence quality, citation support, and research-writing feedback.
Systematic literature-review workflow for academic, biomedical, technical, and scientific topics, including search planning, source screening, synthesis, citation checks, and evidence logging.
The agent harness performance optimization system. Skills, instincts, memory, security, and research-first development for Claude Code, Codex, Opencode, Cursor and beyond.
Agent skill repository discovered by 10x-chat research.
Review backend code for quality, security, maintainability, and best practices based on established checklist rules. Use when the user requests a review, analysis, or improvement of backend files (e.g., `.py`) under the `api/` directory. Do NOT use for frontend files (e.g., `.tsx`, `.ts`, `.js`). Supports pending-change review, code snippets review, and file-focused review.