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 660 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。
Langroid 多代理框架的設計模式合集,涵蓋代理配置、工具處理、任務編排與外部整合。
透過瀏覽器自動化執行預訂、搜尋與預約流程,並提供截圖驗證與確認編號追蹤功能。
透過此音訊分析 CLI 工具,直接在終端機中產生頻譜圖與進階音訊特徵視覺化。
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。
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。
全端軟體開發生命週期 (SDLC) 代理工作流程,使用 MCP 工具管理從需求導入、規劃到自動化測試、CI/CD 與基礎設施部署的完整生產週期。
Claude Skills 安全掃描工具,可檢測惡意代碼、數據洩露風險及未經授權的系統訪問,確保安裝安全。
全面的 Google Docs 與 Google Drive 管理工具。支援透過 Markdown 建立與編輯文件、文字格式設定、結構分析,以及完整的檔案操作(上傳、下載、分享與搜尋)。
使用平行子代理執行 Semgrep 原始碼靜態分析,支援多語言偵測與 Pro 版本跨檔案汙染分析。
一個 CTF 解題代理程式,負責對挑戰進行分類篩選,識別漏洞類別,並將任務分派給專業技能,涵蓋 Web、Pwn、加密、鑑識與逆向工程分析。
根據研究敘述、實驗數據與審稿結論,自動生成結構化的學術論文大綱。