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。
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 157 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。
高效能文件智慧程式庫,可從 91 種以上檔案格式中提取文字、表格、程式碼與後設資料,並支援 OCR 與 LLM 格式輸出。
使用 d3.js 建立互動式自訂資料視覺化,包含圖表、圖形與網路拓樸。適用於需要精細控制視覺元素、轉場動畫與互動行為的場景。
使用 CodeQL 進行深入的程式碼安全性分析,支援跨程序資料流、汙染追蹤及多種語言的自動化漏洞偵測。
載入並預處理保險保單週度 CSV 資料,支援自動化週期檢測、多週載入、資料驗證與清理。
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。
透過遞迴分塊、子查詢與聚合結果處理超過 1,000 萬 tokens 的大型檔案與程式碼庫,突破 LLM 上下文視窗限制。
透過捕捉瀏覽器流量 (HAR 檔案) 進行網路 API 逆向工程,並自動產生可用於自動化與資料擷取的 Python API 客戶端。
Chrome DevTools MCP 伺服器,透過 Puppeteer 實現 AI 驅動的瀏覽器自動化、測試與除錯。支援輸入自動化、視覺截圖、效能追蹤與網路偵測。
透過整合幣安市場數據、技術分析指標與加密貨幣市場情緒,為用戶提供數據驅動的加密貨幣交易策略與分析建議。
開發高品質 MCP (Model Context Protocol) 伺服器的指南,支援使用 Python 或 TypeScript 將外部 API 與服務整合至 LLM 工作流程中。
用於生成符合出版要求的科學圖表、多面板佈局及期刊格式之元技能,支援 matplotlib、seaborn 及 plotly。