pymc-bayesian-modeling
使用PyMC进行贝叶斯建模。构建分层模型、MCMC(NUTS)、变分推断、LOO/WAIC比较、后验检验,适用于概率编程和推断。
Browse curated skills with source links, package snapshots, README assets and install signals in one calm, searchable catalog.
使用PyMC进行贝叶斯建模。构建分层模型、MCMC(NUTS)、变分推断、LOO/WAIC比较、后验检验,适用于概率编程和推断。
requests/BeautifulSoup/Selenium/反爬应对策略
通过处理缺失值、去除重复、纠正类型、解决离群值并执行校验模式,清洗与预处理数据集。
NGS分析工具包。BAM转bigWig、质控(相关性、PCA、指纹图谱)、热图/图谱(TSS、峰区),用于ChIP-seq、RNA-seq、ATAC-seq可视
# Earth2Studio 可发现性技能 ## 目的 帮助用户找到适合其天气/气候任务的 Earth2Studio 模型、数据源和示例。适用于以下场景:根据
设计 A/B 测试、记录假设、计算样本量、实现功能开关以及分析统计显著性。涵盖 CUPED 方差缩减、SRM 检测和切换实验。适用于需要假设验证的场景。
使用Great Expectations、dbt测试和数据契约实现数据质量验证。在构建数据质量管道、实现验证规则或建立数据契约时使用。
用于处理和分析超出可用内存的大规模表格数据集(数十亿行)。Vaex 擅长核外 DataFrame 操作、惰性求值、快速聚合、大数据高效可视化和机器学习。适用于处
处理基因组区间数据(BED 文件)进行机器学习任务。用于训练区域嵌入(Region2Vec、BEDspace)、单细胞 ATAC-seq 分析(scEmbed)
上网查资料指南:规范「搜索→抓取→提取→溯源」的研究流程,覆盖中文搜索引擎与主流站点,含失败兜底(换源/摘要页/本地缓存)与引用规范,避免瞎编与断链。免费、中文原生
每日投融资日报生成技能。对接亿欧投资事件数据源,支持按日期(默认昨日)或最近 N 天(2–7 天)拉取并生成结构化中文投融资报告。报告涵盖核心数据概览、按行业分类的融资事件列表(含公司简称、轮次、投资方、事件摘要、来源链接),并由 AI 附加投资事件总结。支持分页拉取、去重、失败重试,输出至 stdout,无本地文件写入。适用于每日投融资数据整理、行业分类分析与快速摘要生成。
网页变更监控:监控目标分级、抓取频率与反爬规避、差异算法与噪声过滤、变更等级判定、告警降噪与值班响应。含监控类型对照表、频率与触发规则、四类噪声及抑制法、变更等级矩阵、告警模板与响应 SOP
面向代谢组学的谱图相似度计算与化合物鉴定。用于比较质谱、计算相似度得分(cosine、modified cosine),并从谱图库中鉴定未知化合物。最适合代谢物
基于 Tushare 用 Python 稳定获取 A 股行情、财务、因子的历史与实时数据,并整理成可回测、可分析的本地数据集。适合做量化研究数据准备、个人投资复盘与学术数据搜集的分析者
用于 Python ETL、分析和 pandas 迁移的高性能 DataFrame 库。适用于基于表达式的数据操作,支持惰性查询优化、并行执行、流式内存外处理、
用于超内存pandas/NumPy工作流的分布式计算。当需要将现有pandas/NumPy代码扩展到内存限制以上或跨集群运行时使用。最适合并行文件处理、分布式机
通过 NPS 调查、评论分析、情感分析、反馈分类和洞察提取报告收集用户反馈
解析 FCS(流式细胞术标准)文件 v2.0-3.1。将事件提取为 NumPy 数组、读取元数据/通道、转换为 CSV/DataFrame,用于流式细胞术数据预
用于访问、分析和提取 SEC EDGAR 申报文件数据的 Python 库。用于 SEC 申报文件、财务报表(利润表、资产负债表、现金流量表)、XBRL 财务数
差异基因表达分析(Python DESeq2)。从 bulk RNA-seq 计数数据中鉴定差异表达基因,支持 Wald 检验、FDR 校正、火山图/MA 图,
# Earth2Studio 数据获取技能 ## 用途 引导用户通过Earth2Studio数据源API下载天气/气候数据。通过检查字典(词典)识别兼容源、验证
此技能应在用户询问"关键创业指标"、"SaaS 指标"、"CAC 和 LTV"、"单位经济学"、"烧钱倍数"、"40法则"、"平台指标"或请求跟踪和优化业务绩效
使用结构化的 JSON 输出,跨 vLLM、llama.cpp 与 Ollama 对 Jetson 上的 LLM/VLM 服务性能进行基准测试。
通过分区、缓存、Shuffle 优化和内存调优来优化 Apache Spark 作业。在改善 Spark 性能、调试慢作业或扩展数据处理管道时使用。