下载

Skill UI

浏览并发现 9167+ 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 UI验证，共找到 31 条记录

默认排序最新上传最多下载

迁移学习适配工具

adapting-transfer-learning-models

jeremylongshore/claude-code-plugins-plus-skills

自动化迁移学习流程，根据需求生成微调代码、验证数据、记录指标并保存产出，快速将预训练模型适配到新任务或数据集，提升性能与效率。

交易策略回测框架构建

backtesting-frameworks

sickn33/antigravity-awesome-skills

本技能用于构建专业级、鲁棒的交易策略回测系统。它指导用户系统化地验证交易策略的性能和稳健性，帮助规避常见的回测偏差。适用于金融量化交易和算法交易的初期模型验证与性能评估。

交易策略回测与优化

backtesting-trading-strategies

jeremylongshore/claude-code-plugins-plus-skills

这是一个全面的交易策略回测工具，用于利用历史市场数据测试和验证加密货币及传统金融交易模型。它能够计算夏普比率、最大回撤等核心性能指标，模拟交易过程，并提供参数网格搜索等优化功能，帮助用户在实盘前评估策略的风险和收益。

Beam 数据管道构建器

beam-pipeline-builder

jeremylongshore/claude-code-plugins-plus-skills

自动辅助 beam 数据管道构建，涵盖 ETL、转换、编排和流处理，从实践指导到生产级代码与标准验证。

BigQuery 视图生成器

bigquery-view-generator

jeremylongshore/claude-code-plugins-plus-skills

自动化生成与验证 GCP BigQuery 视图，提供最佳实践指导、生产准备代码示例，并涵盖 Vertex AI、Cloud Run、Firebase 等平台集成，确保分析任务一致可靠。

Clay生产环境就绪清单

clay-prod-checklist

jeremylongshore/claude-code-plugins-plus-skills

这份清单用于指导用户完成Clay数据增强管道的上生产环境部署准备工作。它涵盖了从表格配置、数据质量验证（如去重、输入过滤），到成本预算、Webhook可靠性及监控告警设置等多个关键步骤，确保数据流在实战中稳定可靠运行。

自动化机器学习流程

building-automl-pipelines

jeremylongshore/claude-code-plugins-plus-skills

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。

队列分析创作器

cohort-analysis-creator

jeremylongshore/claude-code-plugins-plus-skills

自动提供队列分析流程指导，从SQL、可视化到验证，帮助数据分析师快速产出可投入使用的洞察。

交叉验证配置

cross-validation-setup

jeremylongshore/claude-code-plugins-plus-skills

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。

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。

数据质量检测助手

data-quality-checker

jeremylongshore/claude-code-plugins-plus-skills

自动化数据质量检测助手在构建 ETL、流式或数据转换管道时，提供标准验证、实践建议与可上线的配置与代码示例。

数据质量框架构建

data-quality-frameworks

sickn33/antigravity-awesome-skills

本技能提供了使用Great Expectations、dbt测试和数据契约等工具构建数据质量框架的实践模式。它指导用户如何为数据管道实现全面的质量验证，确保数据在整个生命周期中的可靠性、完整性和准确性，是建立数据治理和高可靠数据流程的关键。

语言