scikit-survival
使用scikit-survival在Python中进行生存分析和时间到事件建模的全面工具包。当处理删失生存数据、执行时间到事件分析、拟合Cox模型、随机生存森林、梯度提升模型或生存支持向量机、通过一致性指数或Brier分数评估生存预测、处理竞争风险,或使用scikit-survival库实现任何生存分析工作流程时,请使用此技能。
把 Skill 的源码、资源快照、README、包体和安装信号放进一个可搜索、可筛选的公开目录。
使用scikit-survival在Python中进行生存分析和时间到事件建模的全面工具包。当处理删失生存数据、执行时间到事件分析、拟合Cox模型、随机生存森林、梯度提升模型或生存支持向量机、通过一致性指数或Brier分数评估生存预测、处理竞争风险,或使用scikit-survival库实现任何生存分析工作流程时,请使用此技能。
此技能应在使用预训练的变压器模型进行自然语言处理、计算机视觉、音频或多模态任务时使用。用于文本生成、分类、问答、翻译、摘要、图像分类、对象检测、语音识别以及在自定义数据集上微调模型。
管理的scillm铺设路径执行。为文本批处理、VLM和Lean4证明提供严格的合同合规工具。使用`parallel_acompletions_iter`进行可靠的大规模处理。
分析多轮评估结果评分数据,统计各项指标,计算评级等级。适用于分析评分趋势、计算S/A/B评级
使用ImageMagick美化截图 - 添加圆角、阴影、渐变背景和填充。在准备用于博客文章、文档或演示文稿的截图时使用。将原始的Playwright/浏览器截图转换为精美的图片。
此技能应在使用scvi-tools进行单细胞组学数据分析时使用,包括scRNA-seq、scATAC-seq、CITE-seq、空间转录组学以及其他单细胞模式。使用此技能进行概率建模、批次校正、降维、差异表达、细胞类型注释、多模态整合以及空间分析任务。
生成AI工具介绍类页面的超详细教程内容,强调工具对比、配置技巧与实战场景;当需要撰写AI工具介绍、配置指南、使用技巧类教程时使用
使用Microsoft Semantic Kernel构建AI应用程序。创建插件、计划器、记忆系统和AI编排。用于企业AI集成、.NET/Python AI开发以及LLM应用程序框架。
UMAP降维。用于2D/3D可视化的快速非线性流形学习,聚类预处理(HDBSCAN),监督/参数化UMAP,适用于高维数据。
高级研究 - 复杂分析和机器学习(Opus级)
在Python中使用scikit-learn进行机器学习。当处理监督学习(分类、回归)、无监督学习(聚类、降维)、模型评估、超参数调优、预处理或构建机器学习管道时使用。提供了关于算法、预处理技术、管道以及最佳实践的全面参考文档。
用Scott真实的声音写作——英式、对话式、自嘲风格、以代码为先。在撰写博客文章、技术内容或文档时使用。
生成具有特定个性风格(如GMTK、Fireship、Chilli)的教育视频脚本,同时严格执行反AI冗余写作规则
在完成规范后,利用AI生成PR。分析规范元数据、git差异、提交历史和日志条目,在创建前生成全面的PR描述,并获得用户批准。
使用Miller的语义搜索功能来进行概念性代码理解。在搜索概念、跨语言模式、业务逻辑或探索不熟悉的代码时激活。结合文本和语义搜索以获得最佳结果。
世界级的数据科学技能,包括统计建模、实验设计、因果推断和高级分析。精通Python(NumPy、Pandas、Scikit-learn)、R语言、SQL、统计方法、A/B测试、时间序列以及商业智能。涵盖实验设计、特征工程、模型评估及与利益相关者的沟通。适用于设计实验、构建预测模型、执行因果分析或推动基于数据的决策。
适用于分子和蛋白质的PyTorch原生图神经网络。在为药物发现、蛋白质建模或知识图谱推理构建自定义GNN架构时使用。最适合于自定义模型开发、蛋白质性质预测、逆合成分析。对于预训练模型和多样化的特征化工具,请使用deepchem;对于基准数据集,请使用pytdc。
基础数据分析 - 快速探索性分析(俳句级别)
格言:风格很重要。背景很重要。故事胜过数字。
使用系统原生方法进行屏幕捕获和内容分析,支持 macOS screencapture 命令和 Python 截图库
构建Scrypted插件以实现家庭自动化。创建摄像头集成、自动化和智能家居桥接。用于HomeKit、Google Home和Alexa集成。
使Claude能够浏览Seamless(Grubhub)上的餐厅并跟踪订单
使用Microsoft Semantic Kernel构建AI应用程序。创建插件、规划器和记忆系统。用于企业AI、副驾开发和Microsoft生态系统集成。
世界级的机器学习工程技能,用于生产化机器学习模型、MLOps 以及构建可扩展的机器学习系统。精通 PyTorch、TensorFlow、模型部署、特征存储、模型监控和机器学习基础设施。包括大语言模型集成、微调、RAG 系统和代理型 AI。在部署机器学习模型、构建机器学习平台、实施 MLOps 或将大语言模型集成到生产系统时使用。