資料分析工程開發研究
scikit-learn
使用 scikit-learn 進行經典機器學習。適用於分類、迴歸、分群、降維、資料預處理、模型評估,以及構建 Python 機器學習流程。
瀏覽: 8★ 19,694
探索可重用的代理技能,查看實作細節,快速找到適合你工作流程的技能。
共找到 171 個技能
使用 scikit-learn 進行經典機器學習。適用於分類、迴歸、分群、降維、資料預處理、模型評估,以及構建 Python 機器學習流程。
資料分析專員:進行探索性資料分析、統計建模、SQL 查詢與 Python 資料視覺化,透過嚴謹的量化方法將原始數據轉化為可操作的洞察。
將氣象與環境變數分類為驅動因素類別,以進行一致的歸因分析與環境建模。
引導式統計分析,包含測試選擇、假設檢定、效能分析及 APA 格式報告,適用於學術與實驗研究。
使用 GeoPandas 進行地理空間數據分析,包含正確的座標投影轉換,以執行精確的距離計算、空間篩選與地理特徵分析。
將種子關鍵字擴充為完整列表,並按主題與搜尋意圖進行分群,以優化您的核心內容策略。
一個全方位的數據分析助手,支援載入數據集、執行統計計算、視覺化趨勢並生成專業的分析總結報告。
Python 統計視覺化程式庫。透過 Pandas 整合與自動統計估計,輕鬆製作盒鬚圖、熱圖與小提琴圖等出版級品質的統計圖表。
分析並識別代碼庫模式(命名、架構、測試),以確保開發過程中的一致性與標準執行。
分析並總結網路文章、新聞通訊及部落格內容,自動產出結構化 Markdown 報告。適合內容整理、知識管理與研究分析。
將多個研究智能體的發現綜合為連貫且附引用的研究報告,解析矛盾並提取核心共識。
在軟體功能開發過程中,驗證跨工件(規格、計畫、任務)一致性並偵測破壞性變更(API、資料庫、UI)。