登录
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 特征 ，共找到 47 条记录
默认排序 最新上传 最多下载

NFT稀有度分析与排名

analyzing-nft-rarity
jeremylongshore/claude-code-plugins-plus-skills
485
这是一个用于深度分析非同质化代币（NFT）的专业工具。它能够从OpenSea等API获取集合元数据，解析和标准化NFT的属性特征，并使用多种算法（如稀有度得分、信息熵）计算出精确的稀有度分数。用户可以使用它对整个系列进行排名、比较特定代币或分析特征分布，结果支持JSON或CSV导出，非常适用于加密艺术品和区块链资产的研究。
查看详情

分类模型构建

building-classification-models
jeremylongshore/claude-code-plugins-plus-skills
347
通过 classification-model-builder 插件，自动分析数据集、选择特征、调参并评估指标，实现垃圾邮件识别、客户流失预测等分类任务。
查看详情

数据驱动特征开发流程

data-engineering-data-driven-feature
sickn33/antigravity-awesome-skills
229
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。
查看详情

Databricks ML模型全生命周期管理

databricks-core-workflow-b
jeremylongshore/claude-code-plugins-plus-skills
121
本流程展示了在Databricks上完整的MLOps生命周期。它指导用户如何使用Feature Store进行特征工程，通过MLflow进行实验跟踪和模型训练，在Model Registry中管理模型版本，最终部署为可实时推理的API服务。适用于构建可生产化、高可靠性的机器学习系统。
查看详情

特征工程工具集

engineering-features-for-machine-learning
jeremylongshore/claude-code-plugins-plus-skills
466
该技能借助 feature-engineering-toolkit 插件自动创建、筛选和转化特征，用于提升机器学习模型的准确性和解释性，适合构造交互特征、降维或归一化等预处理场景。
查看详情

机器学习模型解释

explaining-machine-learning-models
jeremylongshore/claude-code-plugins-plus-skills
270
通过 SHAP、LIME 等可解释性手段分析模型预测结果，揭示关键特征影响，辅助调试模型、确保公平性并向非技术人员阐述模型表现。
查看详情

特征工程助手

feature-engineering-helper
jeremylongshore/claude-code-plugins-plus-skills
82
自动触发的特征工程助手，在提及相关场景时提供数据准备、模型训练、超参调优和实验追踪等机器学习训练指导。
查看详情

特征重要性分析器

feature-importance-analyzer
jeremylongshore/claude-code-plugins-plus-skills
458
自动提供与机器学习训练相关的特征重要性分析建议，包括数据准备、模型训练、调参与实验跟踪，能输出生产级代码、配置与校验流程，贯彻行业最佳实践。
查看详情

特征仓库连接器

feature-store-connector
jeremylongshore/claude-code-plugins-plus-skills
213
在机器学习部署中自动提供特征仓库连接器的配置指导、代码生成与生产监控建议，帮助高质量交付在线推理管道。
查看详情

多智能体MLOps管道编排

machine-learning-ops-ml-pipeline
sickn33/antigravity-awesome-skills
485
本技能旨在指导设计和实现一个完整的、生产级别的机器学习（ML）管道。它采用多智能体编排工作流，系统地覆盖了ML整个生命周期：包括数据摄取、特征工程、模型训练、代码优化和生产部署（MLOps），确保系统具备高可重复性、可监控性和高扩展性。
查看详情

生产级机器学习工程与MLOps

ml-engineer
sickn33/antigravity-awesome-skills
386
这是一套全面的技能体系，专注于构建、部署和管理生产级的机器学习系统。知识覆盖现代ML框架（如PyTorch、TensorFlow）、模型服务（基于Kubernetes）、高级特征工程和全面的MLOps实践（包括监控、A/B测试和持续集成）。旨在交付可扩展、可靠、具备商业价值的AI解决方案。
查看详情

生产级机器学习管道与MLOps

ml-pipeline
Jeffallan/claude-skills
488
掌握从数据摄取到模型部署的完整机器学习生命周期。该技能涵盖使用Kubeflow、Airflow等编排工具构建健壮的生产级MLOps管道。核心能力包括使用Feast实现特征存储、严格的数据验证、实验跟踪（如MLflow）、模型注册和自动化部署，确保模型训练流程的端到端自动化和可复现性。
查看详情
1234下一页
语言
简体中文
English