机器学习 Skill技能列表
机器学习实验结果分析Skill results-analysis
本技能用于系统分析和生成机器学习与人工智能实验的结果，包括数据加载、统计验证、可视化生成和论文结果部分编写，关键词：机器学习、人工智能、数据分析、统计检验、可视化、论文写作。
gpu-benchmarkingSkill gpu-benchmarking
gpu-benchmarking是一个专门用于自动化GPU性能基准测试和回归检测的技能。它能够设计微基准测试、测量内核执行时间、计算实际与理论性能、生成性能比较报告、在CI/CD中检测性能回归、分析功耗和热特性、基准测试内存带宽和延迟，并创建可复现的基准测试配置。
TorchDrug药物发现工具箱Skill torchdrug
TorchDrug 是一个基于 PyTorch 的机器学习工具箱，专注于药物发现和分子科学领域。它提供图神经网络模型、预训练架构和多种任务定义，用于分子属性预测、蛋白质建模、知识图谱推理、分子生成和逆合成规划等应用。包含 40+ 数据集和 20+ 模型架构，支持化学、生物学和生物医学图的机器学习工作流程。关键词：药物发现、机器学习、图神经网络、PyTorch、分子属性预测、蛋白质建模、生物医药、AI 应用。
推荐系统Skill RecommendationSystem
构建协同和基于内容的推荐引擎，用于产品推荐、个性化和提高用户参与度
机器学习推理优化Skill ml-inference-optimization
这个技能专注于优化机器学习推理的延迟、减少模型大小、实现模型压缩技术（如量化、剪枝、蒸馏）、设计推理缓存策略，以及边缘部署模式。适用于需要提升推理速度、减少资源消耗的场景，特别是在边缘设备或高性能云环境中。关键词：机器学习、推理优化、模型压缩、边缘计算、延迟降低、缓存策略、硬件加速。
向量数据库调优Skill vector-database-tuning
这项技能涉及向量数据库的性能优化，包括HNSW参数调整、分块策略、混合搜索配置等，以提高RAG和语义搜索的性能。
资深机器学习/AI工程师Skill senior-ml-engineer
该技能专注于将机器学习模型生产化，涉及MLOps、模型部署、特征存储、监控等关键领域。核心能力包括LLM集成、微调、RAG系统和智能代理AI，适用于构建可扩展的AI/ML系统和集成大语言模型到生产环境中。关键词：ML工程、生产化、MLOps、模型部署、特征存储、模型监控、LLM集成、RAG系统、智能代理AI、分布式计算、云部署。
模型部署Skill ModelDeployment
这项技能涉及使用Flask、FastAPI、Docker等技术将训练好的机器学习模型部署到生产环境，包括REST API、批量处理、实时流处理、无服务器、边缘部署和模型服务等。
模型超参数调优Skill ModelHyperparameterTuning
这是一种系统化搜索最佳模型配置参数组合以最大化验证数据上性能的过程，涉及网格搜索、随机搜索、贝叶斯优化等多种调优方法，以及对不同模型类型的超参数进行调优，如树模型、神经网络、SVM等。
机器学习Skill machine-learning
本技能是关于机器学习全生命周期的综合指南，涵盖从问题定义、数据准备、模型选择、训练评估到生产部署与监控的完整流程。关键词：机器学习、MLOps、模型训练、特征工程、超参数调优、模型部署、A/B测试、数据漂移、模型版本管理、CI/CD。
Trackio机器学习实验跟踪Skill hugging-face-trackio
Trackio是一个机器学习实验跟踪技能，用于记录和可视化训练指标，支持Python API和CLI接口，可同步到Hugging Face Spaces进行实时监控，提供JSON输出便于自动化处理，关键词包括机器学习、实验跟踪、日志记录、可视化、Hugging Face Spaces、自动化。
聚类分析Skill ClusteringAnalysis
聚类分析是一种无监督学习方法，用于将数据集划分为由相似对象组成的多个组或聚类。它在市场细分、客户行为分析、图像识别等领域有着广泛的应用。