登录
下载
Skill UI
浏览并发现
11126+
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
Mac OS
,共找到
152
条记录
默认排序
最新上传
最多下载
CTO战略层:制定方向与组织架构
p10
tanweai/pua
325
本技能模拟CTO(P10)的视角,用于企业级的宏观战略规划。它帮助用户定义顶层战略方向,设计复杂的组织架构图,并处理跨团队的架构决策。适用于需要进行公司级战略输入或架构委员会讨论的场景。
查看详情
视频录制到自动化脚本
automate-this
github/awesome-copilot
348
该技能用于分析用户录制的重复性手动操作视频。它能提取视频帧和音频,重建出精确的步骤流程,识别出使用的应用、数据流转和操作痛点。最终,工具将基于流程理解,提出使用用户现有环境的、可运行的自动化脚本方案。
查看详情
AI规范编写指南
create-specification
github/awesome-copilot
368
为生成式 AI 解决方案制定精准、结构化的规范模板,明确目标、需求、约束、接口与验证标准,便于自动化理解与执行。
查看详情
ImageMagick 图像处理
image-manipulation-image-magick
github/awesome-copilot
130
使用 ImageMagick 在多平台上处理图像,可获取元数据、转换格式、调整尺寸、生成缩略图并批量操作,适合壁纸和大量照片处理场景。
查看详情
技术变更跟踪器
tc-tracker
alirezarezvani/claude-skills
341
通过结构化 JSON 记录、状态机和交接上下文管理技术变更,提供初始化、创建、更新、查看、恢复、关闭、导出等脚本命令。
查看详情
临床决策支持报告生成
clinical-decision-support
K-Dense-AI/scientific-agent-skills
102
为制药和临床研究领域生成专业的临床决策支持(CDS)文档。该技能专注于基于证据的分析,包括生物标志物分层患者队列分析、带GRADE分级的治疗推荐报告。支持高级统计分析和专业格式输出,适用于监管申报和医学指南的撰写。
查看详情
Dask:分布式并行计算框架
dask
K-Dense-AI/scientific-agent-skills
120
Dask是一个强大的Python库,用于实现并行和分布式计算。它允许用户将现有的Pandas和NumPy工作流扩展到超出可用内存的规模,从而高效处理高达TB级别的超大数据集。它提供了专门的API(DataFrame、Array、Bag),用于处理结构化、科学和非结构化数据,支持单机或集群部署。
查看详情
基因组区间机器学习
geniml
K-Dense-AI/scientific-agent-skills
237
Geniml是一个用于对基因组区间数据(BED文件)进行机器学习建模的Python工具包。它提供了多种无监督方法(如Region2Vec和BEDspace),用于学习基因组区域、单细胞(scATAC-seq)和元数据关联的鲁棒嵌入。适用于基因组学研究中的降维、聚类、细胞类型注释和跨模态查询等任务。
查看详情
地理空间科学与遥感工具箱
geomaster
K-Dense-AI/scientific-agent-skills
339
一个全面的地理空间科学工具箱,涵盖遥感、GIS、空间统计和地球观测机器学习。它支持矢量、栅格、点云等多类型数据处理,支持云原生工作流和多种编程语言,适用于科研和商业级的地理空间分析任务。
查看详情
科学Python GPU加速优化
optimize-for-gpu
K-Dense-AI/scientific-agent-skills
184
此技能旨在将CPU密集型的Python代码转化为高性能的GPU加速代码,利用NVIDIA技术实现科学计算领域的加速。它擅长处理机器学习、物理模拟、地理空间分析和大型数值计算等场景。通过使用CuPy、Numba CUDA和Warp等专业工具,可以实现对NumPy、SciPy等核心库的优化,从而达到数倍到千倍的性能提升。
查看详情
量子机器学习与模拟
pennylane
K-Dense-AI/scientific-agent-skills
494
PennyLane是一个通用的、与硬件无关的量子计算框架。它支持为量子电路进行自动微分,并用于构建混合量子-经典模型。该工具广泛应用于量子机器学习(如变分分类器)、量子化学模拟(如VQE)和各种变分算法,确保了跨主流量子硬件平台的高兼容性和可移植性。
查看详情
SHAP模型可解释性与可信赖性
shap
K-Dense-AI/scientific-agent-skills
125
SHAP(Shapley加性解释)提供了一个基于博弈论的统一框架,用于解释复杂的机器学习模型。通过计算特征贡献度(Shapley值),它能够帮助用户理解模型做出特定预测的依据、分析潜在的模型偏差,并生成瀑布图等可视化结果,广泛应用于模型可解释性(XAI)领域。
查看详情
上一页
1
2
3
4
5
6
7
8
9
10
11
12
13
下一页
语言
简体中文
English