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

搜索时间序列，共找到 15 条记录

默认排序最新上传最多下载

Azure AI 异常检测 Java 编程

azure-ai-anomalydetector-java

sickn33/antigravity-awesome-skills

本SDK为Java开发者提供了使用Azure AI进行异常检测的能力。它支持单变量和多变量时间序列分析，能够实时或批量地检测数据中的异常点、趋势变化和信号间的关联异常。适用于运营监控、数据质量检测和业务智能分析等场景。

Azure AI 异常检测 Java 编程

azure-ai-anomalydetector-java

sickn33/antigravity-awesome-skills

本SDK为Java开发者提供了使用Azure AI进行异常检测的能力。它支持单变量和多变量时间序列分析，能够实时或批量地检测数据中的异常点、趋势变化和信号间的关联异常。适用于运营监控、数据质量检测和业务智能分析等场景。

Instantly冷邮件活动全流程自动化

instantly-core-workflow-a

jeremylongshore/claude-code-plugins-plus-skills

本工作流旨在实现Instantly冷邮件活动的全生命周期自动化。它支持程序化创建复杂的营销活动，包括设置多步骤序列、配置发送时间表，并批量导入带有个性化数据的潜在客户。适用于需要大规模、结构化外展营销的销售和市场团队。

数据库分区管理

managing-database-partitions

jeremylongshore/claude-code-plugins-plus-skills

自动化设计与实施表分区策略，提升超大数据库性能、加速时间序列查询并缩短维护窗口，同时提供分区键选择、SQL 脚本与查询优化建议。

高级Pandas数据处理专家

Jeffallan/claude-skills

本指南提供使用Pandas进行复杂数据分析、清洗和转换的专家级方法。涵盖向量化操作、高效合并、时间序列重采样、分组聚合和内存优化等高级技巧，旨在确保代码达到生产级质量，并实现严格的数据质量校验。

时间序列分解器

time-series-decomposer

jeremylongshore/claude-code-plugins-plus-skills

在数据分析场景下自动化处理时间序列分解任务，提供模式与最佳实践指导，生成可用于 BI 的代码与配置并校验输出。

Aeon 时间序列机器学习

K-Dense-AI/claude-scientific-skills

Aeon 是兼容 scikit-learn 的时间序列机器学习工具，涵盖分类、回归、聚类、预测、异常检测、分割、相似搜索与特征提取，面向各类时序数据场景。

Python统计建模与计量分析

K-Dense-AI/claude-scientific-skills

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。

零样本时间序列预测模型

timesfm-forecasting

K-Dense-AI/claude-scientific-skills

该技能利用Google的TimesFM基础模型，实现零样本时间序列预测。无需用户进行模型训练，即可对任何单变量时间序列（如销量、传感器数据或天气数据）进行高效预测。结果包含点预测值和校准的预测区间，提供了完整的概率预测视图，适用于各种时间序列数据分析。

Aeon 时间序列机器学习

K-Dense-AI/scientific-agent-skills

Aeon 是兼容 scikit-learn 的时间序列机器学习工具，涵盖分类、回归、聚类、预测、异常检测、分割、相似搜索与特征提取，面向各类时序数据场景。

Python统计建模与计量分析

K-Dense-AI/scientific-agent-skills

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。

零样本时间序列预测模型

timesfm-forecasting

K-Dense-AI/scientific-agent-skills

该技能利用Google的TimesFM基础模型，实现零样本时间序列预测。无需用户进行模型训练，即可对任何单变量时间序列（如销量、传感器数据或天气数据）进行高效预测。结果包含点预测值和校准的预测区间，提供了完整的概率预测视图，适用于各种时间序列数据分析。

语言