下载

Skill UI

浏览并发现 9967+ 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 LoRA ，共找到 12 条记录

默认排序最新上传最多下载

数据驱动特征开发流程

data-engineering-data-driven-feature

sickn33/antigravity-awesome-skills

这是一个端到端的、系统化的产品功能开发流程。它指导用户利用数据洞察来构建新功能，覆盖了从探索性数据分析、构建可量化业务假设、设计统计学A/B测试，到设计数据管道和实现全链路埋点（instrumentation）的全过程。确保所有功能迭代都基于数据科学的严谨验证和效果衡量。

资深数据科学家全栈专家

sickn33/antigravity-awesome-skills

本技能模拟的是全栈数据科学家的专业知识，覆盖数据科学的完整流程。它涵盖了从探索性数据分析（EDA）到构建生产级模型部署的全过程。核心能力包括高级统计分析、机器学习（如深度学习、XGBoost）、预测建模，以及利用Python、R、SQL等工具进行数据清洗、分析和可视化，并为商业决策提供实战指导。

生物服务跨库查询

K-Dense-AI/claude-scientific-skills

BioServices 提供统一 Python 接口，调用几十个生信服务，便于跨库查询、ID 映射、通路与序列分析以及复合物检索，适用于整合型生物数据流程。

科学数据探索分析

exploratory-data-analysis

K-Dense-AI/claude-scientific-skills

自动识别 200+ 科学数据格式，提取元数据、评估数据质量、推荐可视化方案，并生成 Markdown 报告，帮助科研人员在后续分析前全面把握数据结构与特征。

Plotly 交互式图表

K-Dense-AI/claude-scientific-skills

Plotly 是 Python 交互式图形库，适合数据探索、仪表盘与汇报，支持提示、缩放、动画和多种导出格式。

QuTiP 量子系统模拟工具

K-Dense-AI/claude-scientific-skills

QuTiP 是一个面向开放与封闭量子系统的 Python 仿真工具，提供主方程、量子轨迹、可视化与分析模块，适合物理研究、教学实验与动力学探索。

Seaborn统计可视化库

K-Dense-AI/claude-scientific-skills

Seaborn是一个用于创建专业级统计图形的Python库。它专注于数据科学领域的探索性数据分析和多变量可视化。用户可以利用它轻松绘制关系图、分布图（如直方图、KDE图）和复杂的多面板图，非常适合进行深入的数据洞察。

Hugging Face数据集管理与SQL查询

hugging-face-datasets

sickn33/antigravity-awesome-skills

该技能提供了一个全方位的Hugging Face数据集管理工具，支持数据集的初始化、配置和内容流更新。其核心功能是，利用SQL查询功能，允许用户直接在Hugging Face Hub上对数据集进行复杂的查询、过滤、聚合和转换，极大地提升了数据分析和数据管线构建的能力。

Python交互式可视化绘图库

sickn33/antigravity-awesome-skills

Plotly是一个功能强大的Python绘图库，用于创建高度互动、可发布质量的可视化图表。它支持超过40种图表类型，涵盖散点图、热力图、K线图、地理地图等。非常适合构建复杂的交互式仪表板、进行深度探索性数据分析，或制作富含悬停、缩放等功能的网络演示。

综合科学数据探索分析

exploratory-data-analysis

K-Dense-AI/scientific-agent-skills

适用于分析任何专业的科学数据文件。支持超过200种主流格式，涵盖化学、生物信息学、显微成像、光谱学等多个领域。它能够自动识别文件类型，评估数据质量和结构，并生成详细的Markdown报告，为用户提供深入的洞察和后续分析建议。

Python统计可视化库

K-Dense-AI/scientific-agent-skills

Seaborn是基于Matplotlib的Python高级数据可视化库，专为创建美观且统计丰富的图表而设计。它擅长探索多变量关系、可视化数据分布（如箱线图和小提琴图），能够用最少的代码生成面向数据集的统计图表。非常适合数据探索和生成高质量的出版级图表。

统计学与数据分析导师

03-data-analysis-stats

24kchengYe/human-skill-tree

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。

1

语言