登录
下载

Skill UI

浏览并发现 10401+ 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 NDA ，共找到 103 条记录
默认排序 最新上传 最多下载

地理空间数据分析工具

geopandas
K-Dense-AI/scientific-agent-skills
418
这是一个强大的Python库，用于对矢量地理空间数据进行复杂的空间分析。它支持处理Shapefile、GeoJSON等多种格式，能够执行空间连接、缓冲区分析、区域叠加、CRS转换等高级地理信息系统（GIS）操作，是地理数据科学和制图项目不可或缺的工具。
查看详情

检测可用计算资源

get-available-resources
K-Dense-AI/scientific-agent-skills
465
该技能用于主动检测和报告全面的系统资源，包括CPU核心、GPU类型（NVIDIA、AMD、Apple Silicon）、可用内存和磁盘空间。它生成一个详细的JSON报告，并提供基于上下文的策略性建议，指导用户优化科学计算流程。例如，它会推荐并行处理库（Dask, joblib）、内存外存储方法（Zarr）或合适的GPU加速后端，帮助用户在进行大规模数据分析或模型训练前做出架构决策。
查看详情

科学假设生成

hypothesis-generation
K-Dense-AI/scientific-agent-skills
329
本工具是一个遵循科学方法论的系统化流程，用于从观察或初步数据中构建可检验的科学假设。它指导用户完成文献综述、证据综合、提出竞争性假设和设计实验等全过程，尤其强调必须结合AI生成的科学图表来完善假设报告。
查看详情

生物数据谱系湖仓管理系统

lamindb
K-Dense-AI/scientific-agent-skills
352
LaminDB是一个开源的、原生支持谱系追踪的湖仓，专为复杂的生物学数据集和模型设计。它提供统一的功能，用于查询、追踪数据血缘、验证模式，并确保数据符合FAIR标准。适用于管理多模态基因组数据、追踪计算工作流程（如Nextflow），或构建可靠、可重复的生物信息学数据基础设施。
查看详情

Matplotlib：Python科学绘图库

matplotlib
K-Dense-AI/scientific-agent-skills
233
Matplotlib是Python核心的可视化库，用于创建高度定制化的静态、动态和交互式图表。它支持多种图表类型（如折线图、散点图、热力图、3D图），提供面向对象和pyplot两种接口。适用于科研数据分析、生成高质量出版物图表以及构建复杂的子图布局。
查看详情

系统发育树构建与分析

phylogenetics
K-Dense-AI/scientific-agent-skills
338
本技能提供了一套完整的系统发育学分析流程，用于重构生物序列（如基因、蛋白质、基因组）的进化历史。流程涵盖了使用MAFFT进行多序列比对、使用IQ-TREE 2进行最大似然树推断，以及使用ETE3进行结果可视化。适用于病毒系统发育动力学、分子钟分析和基因组学研究。
查看详情

Polars：高性能数据处理框架

polars
K-Dense-AI/scientific-agent-skills
206
Polars是基于Apache Arrow构建的高性能Python DataFrame库。它提供基于表达式的API和惰性查询优化，专为高效的ETL、数据分析和复杂数据管道设计。无论是在进行数据清洗、聚合计算，还是处理大规模数据集，Polars都能提供卓越的性能和优化能力。
查看详情

临床深度学习流程工具

pyhealth
K-Dense-AI/scientific-agent-skills
130
PyHealth是一个用于临床深度学习的Python工具包，旨在处理电子病历（EHR）、生理信号和医学影像等多模态数据。它基于稳定的五阶段流水线（数据集→任务→模型→训练器→指标），支持用户在医疗领域执行复杂的预测任务，例如预测死亡率、推荐药物、睡眠分期，以及进行ICD/ATC等医疗代码交叉映射。
查看详情

生物信息学数据分析工具

scikit-bio
K-Dense-AI/scientific-agent-skills
227
这是一个全面的Python生物信息学工具包，用于处理和分析生物学数据。核心功能包括DNA/RNA/蛋白质序列操作、配对和多重序列比对、构建和分析系统发育树，以及计算Alpha/Beta多样性等生态学指标。适用于微生物组学分析、进化学研究和各种生物数据处理，支持FASTA、Newick等标准格式。
查看详情

Python机器学习开发指南

scikit-learn
K-Dense-AI/scientific-agent-skills
179
本技能提供使用scikit-learn进行全流程机器学习任务的综合指南。它涵盖了从数据预处理到模型构建的全过程，支持监督学习（分类、回归）、无监督学习（聚类、降维）和模型性能评估，帮助用户构建工业级ML流水线。
查看详情

单细胞RNA速度轨迹分析

scvelo
K-Dense-AI/scientific-agent-skills
425
scVelo是一个用于单细胞RNA测序数据的RNA速度分析工具包。它通过建模mRNA剪接的动力学过程（利用未剪接与剪接mRNA的丰度比值），来推断细胞群体的状态转变和发育轨迹。该方法无需时间序列数据，即可预测细胞命运，是生物信息学和发育生物学研究中的关键工具。
查看详情

TimesFM 零样本时间序列预测

timesfm-forecasting
K-Dense-AI/scientific-agent-skills
314
使用 TimesFM 基础模型进行零样本时间序列预测。用户无需训练任何模型，即可对任何单变量时间序列（如销售、传感器数据）进行点预测和置信区间预测，支持高效的批量预测，并包含系统资源检查。
查看详情
上一页123456789下一页
语言
简体中文
English