資料分析工程開發
spark-optimization
優化 Apache Spark 作業,包含分區策略、記憶體管理、Shuffle 調整與數據傾斜處理,提升數據處理效能。
瀏覽: 99★ 34,493
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 227 個技能
優化 Apache Spark 作業,包含分區策略、記憶體管理、Shuffle 調整與數據傾斜處理,提升數據處理效能。
Definition of Done (DoD) 確認工作流程,於實作完成時自動觸發,確保交付品質、記錄證據並統一報告格式。
Neo4j Cypher 查詢與 MCP 伺服器工具的專家指南,專注於架構內省、圖形運算以及高效的資料庫開發工作流程。
利用 BrowserStack 和 Playwright 等雲端服務,進行跨瀏覽器、跨裝置與響應式設計測試,確保軟體在各種環境中提供一致的用戶體驗。
自動化多團隊程式碼庫改進代理,具備狹義(目標導向)、廣義(假設發散)及全面(品質掃描)三種模式。
實作 Linkerd 服務網格模式,用於 Kubernetes 環境中的安全性、流量策略管理與零信任網路部署。
防止 AI 幻覺,確保在分析程式碼、技術文件或提供建議時,輸出具備證據支持且可驗證的內容。
AI 驅動的自動化文件生成引擎,可從程式碼庫自動分析並產生 C4 架構圖、技術規格書與程式碼分析。
RPI 規劃階段:從研究文件中建立基於區塊且具有依賴感知能力的實作計劃,以進行結構化、原子化的開發。
為 React Flow 節點建立元件腳本,包含 TypeScript 型別定義、Zustand 狀態管理與標準連接點,適用於視覺化工作流程編輯器。
建構無代碼 MCP 伺服器,透過 YAML 以有向圖形式編排工具,實現資料轉換、條件路由與自動化工作流。
基於 Notion 的推文效能追蹤系統,透過強化學習原理實現數據驅動的內容實驗與優化。