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 465 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。
一套為 Claude Code 設計的全面配置套件,包含生產級 Agent、技能、Hook 和自動化工作流程,專為高強度開發優化。
實作生產級 AI 代理。包含 LangGraph、工具調用護欄、SSE 串流、情節記憶與 pgvector。提供反模式分析與修正代碼。
使用 jq 高效提取、篩選與轉換 JSON 檔案中的特定欄位,相比讀取整個檔案,可節省高達 95% 的上下文空間。
用於構建專業競爭格局簡報的框架,包括市場定位、同業基準測試以及為金融專業人士提供的策略分析。
透過互動式規劃流程,協助您產生包含使用者故事、驗收標準與技術規格的詳細產品需求文件 (PRD)。
從業務背景識別並記錄客戶問題 (CP)。適用於開始需求工程或利益相關者僅描述解決方案而非問題時。這是 Problem-Based SRS 方法論的第 1 步。
Anthropic Claude AI 模型,專用於高效編碼、長文本分析及 GUI 交互。
掌握跨語言錯誤處理模式:包含例外處理、Result 型別及優雅降級,協助構建高韌性應用程式。
在獨立會話中執行實作計畫並進行審核檢查點,確保逐項任務驗證與代碼品質。
透過 Context7 API 獲取 React、FastAPI、Next.js 等框架的即時技術文件、程式碼範例與開發指導。
用於選擇 MCP 工具與直接 API 技能的決策框架,旨在優化 AI 代理的效能、成本與執行效率。