登录
下载
Skill UI
浏览并发现
9785+
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
调优
,共找到
19
条记录
默认排序
最新上传
最多下载
自动化机器学习流程
building-automl-pipelines
jeremylongshore/claude-code-plugins-plus-skills
297
分析需求并生成包含数据准备、模型筛选、超参调优、验证和指标输出的 AutoML 管道代码,附带文档与产出,帮助自动化机器学习流程。
查看详情
交叉验证配置
cross-validation-setup
jeremylongshore/claude-code-plugins-plus-skills
55
为 ML 训练中的交叉验证配置提供自动化支持,涵盖数据准备、模型调优与实验跟踪的规范流程、实践示例与结果校验。
查看详情
Databricks性能调优指南
databricks-performance-tuning
jeremylongshore/claude-code-plugins-plus-skills
212
本指南提供了一套全面的Databricks性能优化方案。涵盖了针对不同工作负载(如ETL、ML、流式)的集群配置推荐、Spark参数调优、以及Delta Lake的深度优化策略(如Z-Ordering和液体聚类)。帮助用户快速诊断和解决数据处理慢、效率低下的数据问题。
查看详情
Optuna 训练试验助手
optuna-study-creator
jeremylongshore/claude-code-plugins-plus-skills
56
自动触发的 ML 训练技能,识别“optuna study creator”相关请求后,即提供数据准备、模型训练、超参数调优与实验追踪等全流程指导,并给出生产级代码与校验。
查看详情
ROC曲线绘制器
roc-curve-plotter
jeremylongshore/claude-code-plugins-plus-skills
136
自动在机器学习训练阶段处理 ROC 曲线绘制,包括数据准备、模型训练、超参调优、实验追踪以及生成可落地的代码和配置,确保最佳实践与标准校验。
查看详情
Sklearn 机器学习流水线构建
sklearn-pipeline-builder
jeremylongshore/claude-code-plugins-plus-skills
312
自动响应有关 sklearn 流水线构建的请求,涵盖数据准备、模型训练、超参调优和实验追踪,提供生产级代码与行业标准校验建议。
查看详情
Apache Spark性能优化与调优
spark-optimization
sickn33/antigravity-awesome-skills
81
详细介绍了Apache Spark作业的生产级优化模式和最佳实践。内容涵盖分区策略、内存管理、数据倾斜处理、连接优化(如广播连接和桶连接)以及资源调优,帮助用户解决大规模数据处理中的性能瓶颈,提升数据管道的运行效率。
查看详情
Tensorflow 模型训练助手
tensorflow-model-trainer
jeremylongshore/claude-code-plugins-plus-skills
307
自动激活的 Tensorflow 模型训练技能,覆盖数据准备、模型训练、超参数调优与实验追踪,并生成生产级代码与校验。
查看详情
AI深度学习GPU性能优化
vastai-performance-tuning
jeremylongshore/claude-code-plugins-plus-skills
77
这是一份关于深度学习工作流和云GPU平台性能优化的综合指南。内容涵盖了如何通过性能/金钱比选择最佳实例、减少启动延迟、精细调优数据管道(如DataLoader和pin_memory),以及使用PyTorch和Bash脚本实现多GPU分布式训练,以最大化计算资源的利用率和训练效率。
查看详情
Scikit-learn 机器学习工具
scikit-learn
K-Dense-AI/claude-scientific-skills
233
提供 scikit-learn 机器学习全流程指导,涵盖监督/无监督算法、预处理、评估、超参数调优与流水线搭建,方便快速交付可解释的模型。
查看详情
基于风险的SOC告警疲劳缓解
implementing-alert-fatigue-reduction
mukul975/Anthropic-Cybersecurity-Skills
301
本技能提供了一套系统化的方法论,用于缓解安全运营中心(SOC)的告警疲劳问题。它指导用户通过实施基于风险的告警(RBA),将海量、低质量的阈值告警,转化为具有高价值、高上下文的风险评分。核心在于量化告警质量,通过分析真阳性/假阳性比率,系统性地调优检测规则,从而大幅提升分析师的警报处理效率。
查看详情
SIEM规则调优与误报减少
implementing-siem-use-case-tuning
mukul975/Anthropic-Cybersecurity-Skills
125
本技能提供一套系统化的方法,用于调优安全信息和事件管理(SIEM)的检测规则。通过分析历史告警数据、建立环境基线、创建白名单并统计调整规则阈值,可以大幅减少误报,提高安全运营的准确性和效率。
查看详情
1
2
下一页
语言
简体中文
English