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: 7★ 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 152 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。
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。
應用認知科學框架於計算機科學與人工智慧研究,透過系統化的創造力策略生成具備原創性的研究方向。
透過 ReasoningBank 實現代理程式的自適應學習,進行模式識別、策略優化與持續改進。
AI 語言學習導師,提供對話練習、文法教學、單字訓練及字卡記憶。支援超過 100 種語言,包含西班牙語、法語、日語及中文等。
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。
對知識庫文檔進行深度結構分析、關鍵信息提取及質量評估的智能助手。
Anthropic Claude 整合模式:串流、使用 pgvector 的 RAG、工具使用、模型選擇(Haiku/Sonnet/Opus)、提示詞快取及 AI 工程成本管理。
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。
用於 LLM 後訓練(SFT/DPO/RLHF)的高品質數據集策劃指南,涵蓋數據格式、品質過濾與收集策略。
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。
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。