登录
下载
Skill UI
浏览并发现
9688+
精选技能
全部
编程开发
人工智能
设计创意
产品商业
数据科学
市场营销
职场通用
效率工具
硬件工程
语言学习
搜索
建模
,共找到
28
条记录
默认排序
最新上传
最多下载
PyMC贝叶斯建模与推断
pymc
K-Dense-AI/claude-scientific-skills
111
本技能详细介绍了使用PyMC进行贝叶斯模型构建和概率编程的完整流程。涵盖了从数据准备、建立分层模型(如线性回归、逻辑回归),到使用MCMC采样、进行后验预测检验(PPC)和模型诊断的全过程。适用于需要进行不确定性量化的科学研究和数据分析场景。
查看详情
风险建模
risk-modeling
sickn33/antigravity-awesome-skills
457
风险建模相关技能简介,描述用于量化潜在损失、辅助场景分析并支持制定风险缓解策略的流程。
查看详情
信用风险数据清洗管道
datanalysis-credit-risk
github/awesome-copilot
242
面向贷前建模的信用风险数据清洗流程,处理原始数据、异常期、高缺失、低 IV/高 PSI/高相关特征,Null Importance 降噪并导出 Excel 清洗报告,方便质量评估与变量筛选。
查看详情
Power BI 语义建模助手
powerbi-modeling
github/awesome-copilot
236
通过先连接并分析当前模型,再针对星型架构、DAX 计算、关系配置、RLS、文档与性能等给出 Power BI 语义建模优化建议,适用于构建可维护的报表数据模型。
查看详情
GeoMaster地球观测套件
geomaster
K-Dense-AI/scientific-agent-skills
349
GeoMaster 提供遥感、GIS、空间分析与机器学习的全面能力,支持卫星影像、矢量/栅格处理、点云、地形与水文建模,并兼容云原生流程,适用于各类地球观测与地理计算任务。
查看详情
PyMC贝叶斯建模与推断
pymc
K-Dense-AI/scientific-agent-skills
286
本技能详细介绍了使用PyMC进行贝叶斯模型构建和概率编程的完整流程。涵盖了从数据准备、建立分层模型(如线性回归、逻辑回归),到使用MCMC采样、进行后验预测检验(PPC)和模型诊断的全过程。适用于需要进行不确定性量化的科学研究和数据分析场景。
查看详情
分子建模化学信息学工具包
rdkit
K-Dense-AI/scientific-agent-skills
261
RDKit是一个功能全面的化学信息学库,提供强大的Python API,用于分子分析和操控。它支持读取和写入多种分子格式(如SMILES, SDF, InChI),计算理化描述符(分子量、LogP、TPSA),执行子结构搜索和立体化学分析。该工具对于药物发现、计算化学和高级化学信息学研究工作流程至关重要。
查看详情
Scikit 生存分析
scikit-survival
K-Dense-AI/scientific-agent-skills
341
基于 scikit-survival 的 Python 生存分析工具,涵盖 Cox、集成模型、SVM 与指标评估,便于处理删失数据的时间事件建模。
查看详情
scVelo RNA速度轨迹分析
scvelo
K-Dense-AI/scientific-agent-skills
149
面向单细胞 RNA-seq 的 RNA 速度分析工具包,通过建模未剪接/已剪接转录本动力学推断细胞分化方向、潜在时间和驱动基因,可与 Scanpy 流程联动。
查看详情
单细胞生成建模工具集
scvi-tools
K-Dense-AI/scientific-agent-skills
199
基于 PyTorch 的单细胞组学概率生成模型框架,统一 API 支持批次校正、数据整合、多模态/空间分析、差异表达与迁移学习,适合高级建模流程。
查看详情
Python统计建模与计量分析
statsmodels
K-Dense-AI/scientific-agent-skills
415
Statsmodels是用于Python的专业统计建模和计量经济学库。它提供了一套完整的工具集,支持进行严格的统计推断,包括普通最小二乘回归(OLS)、广义线性模型(GLM)、混合效应模型和时间序列分析(ARIMA)。适用于计量经济学、生物统计学等领域,进行详细的诊断分析、系数估计和假设检验,生成专业报告。
查看详情
统计学与数据分析导师
03-data-analysis-stats
24kchengYe/human-skill-tree
113
本导师旨在培养用户深层次的统计学思维能力。它覆盖了数据分析的完整流程,包括描述性统计、数据可视化、假设检验和回归建模。强调理解统计方法背后的逻辑和原理,而非机械地套用公式。适用于所有使用Python, R, SPSS等工具进行数据分析的学习者。
查看详情
上一页
1
2
3
下一页
语言
简体中文
English