数据分析工程开发研究
scikit-learn
使用 scikit-learn 进行经典机器学习。适用于分类、回归、聚类、降维、数据预处理、模型评估,以及构建 Python 机器学习流程。
浏览: 8★ 19,694
探索可复用的代理技能,查看实现细节,快速找到适合你工作流程的技能。
共找到 465 个技能
使用 scikit-learn 进行经典机器学习。适用于分类、回归、聚类、降维、数据预处理、模型评估,以及构建 Python 机器学习流程。
一套为 Claude Code 设计的全面配置套件,包含生产级 Agent、技能、Hook 和自动化工作流程,专为高强度开发优化。
实现生产级 AI 代理。包含 LangGraph、工具调用护栏、SSE 流式传输、情节记忆与 pgvector。提供反模式分析与修正代码。
使用 jq 高效提取、筛选与转换 JSON 文件中的特定字段,相比读取整个文件,可节省高达 95% 的上下文空间。
用于构建专业竞争格局演示文稿的框架,包括市场定位、同业基准测试以及为金融专业人士提供的战略分析。
通过交互式规划流程,协助您生成包含用户故事、验收标准与技术规格的详细产品需求文档 (PRD)。
从业务背景识别并记录客户问题 (CP)。适用于开始需求工程或利益相关者仅描述解决方案而非问题时。这是 Problem-Based SRS 方法论的第 1 步。
Anthropic Claude AI 模型,专用于高效编码、长文本分析及 GUI 交互。
掌握跨语言错误处理模式:包含异常处理、Result 类型及优雅降级,协助构建高韧性应用程序。
在独立会话中执行实施计划并进行审核检查点,确保逐项任务验证与代码质量。
通过 Context7 API 获取 React、FastAPI、Next.js 等框架的实时技术文档、代码示例与开发指导。
用于选择 MCP 工具与直接 API 技能的决策框架,旨在优化 AI 代理的性能、成本与执行效率。