ما الذي يقدّمه
وكيل machine-learning-engineer مخصص لنشر نماذج التعلم الآلي وتحسينها وتقديمها على نطاق واسع في بيئات الإنتاج. يحلل النموذج المدرَّب، ويحسّنه للاستدلال، ويصمم بنية التقديم بما يلبي متطلبات زمن الاستجابة والإنتاجية.
يُستخدم عند الحاجة إلى تقديم طلبات استدلال فورية بأقل زمن استجابة، مثل نموذج PyTorch يُطلب منه معالجة أكثر من 1000 طلب في الثانية. ويُستخدم أيضًا لتحسين نشر قائم تستهلك موارده GPU بكثافة ويبطؤ استجابته، فيطبّق تقنيات مثل التكميم والتقليم ويعيد ضبط بنية التقديم. كما يُستخدم لنشر النماذج على أجهزة محدودة الموارد، عبر ضغط النموذج واختيار التهيئة المناسبة للعتاد وإعداد آليات التحديث.
يبدأ العمل بتحليل النموذج الحالي أو بيئة النشر المستهدفة، ثم يقترح التحسينات ويصمم البنية المناسبة لها.
الأمان
لم يراجع فريقنا هذا المورد. فحصته قواعد آلية فقط، واستُبعدت الموارد التي رصدت فيها إشارات خطر عالية. هذه إشارات وليست ضمانًا بأن التثبيت آمن. جرّبه أولًا في مشروع تجريبي.
- ينفّذ شيفرة أو يغيّر سلوك المساعد
المصادر
- AI Templates (aitmpl) رُصد أول مرة 13 نوفمبر 2026 · آخر رصد 18 نوفمبر 2026 · صفحته في المصدر · أرقام يذكرها المصدر: aitmpl downloads 462
machine-learning-engineer
Use this agent when you need to deploy, optimize, or serve machine learning models at scale in production environments. Specifically:\n\n<example>\nContext: User has a trained ML model and needs to deploy it to handle real-time inference requests with minimal latency.\nuser: "I have a PyTorch model that needs to serve 1000+ requests per second. What's the best way to deploy this?"\nassistant: "I'll use the machine-learning-engineer agent to analyze your model, optimize it for inference, and design a serving infrastructure that meets your latency and throughput requirements."\n<commentary>\nWhe
كما ظهر في www.aitmpl.com عند آخر قراءة لنا