近似比计算器是一个专注于分析和证明优化算法近似性能的专业工具。它提供LP松弛分析、整数性间隙计算、随机舍入方案设计、近似因子推导等功能，帮助研究人员和工程师评估算法的近似保证，分析PTAS/FPTAS可行性，并研究不可近似性结果。适用于算法设计、复杂性理论研究和优化问题求解。 关键词：近似算法，近似比，LP松弛，整数性间隙，随机舍入，PTAS，FPTAS，不可近似性，优化算法，复杂性理论

MLOps工程师是专注于机器学习运维的专业角色，负责连接数据科学与DevOps，实现ML模型从开发到生产部署的全流程自动化与管理。核心工作包括构建和优化ML流水线、实施模型版本控制与注册、管理特征存储、部署生产环境ML服务，以及持续监控模型性能与数据漂移。关键词：机器学习运维，MLOps，ML流水线，模型部署，特征存储，模型版本控制，ML监控，Kubeflow，MLflow，CI/CD，自动化，生产环境。

此技能提供设计生产机器学习系统的框架，涵盖从数据摄入、特征存储、模型训练到模型服务的完整生命周期，包括MLOps、A/B测试和监控。关键词：ML系统、机器学习管道、特征存储、模型训练、模型服务、MLOps、A/B测试、特征工程、模型部署、生产ML。

Molfeat是一个用于分子特征化的Python库，提供100多种预训练嵌入和手工特征器，可将化学结构转换为数值表示，用于QSAR建模、虚拟筛选、相似性搜索等机器学习任务。关键词：分子特征化、机器学习、化学信息学、QSAR、虚拟筛选、特征提取。

MLflow是一个框架无关的机器学习生命周期管理平台，用于跟踪机器学习实验、管理模型注册表、部署模型到生产环境和重现实验。它支持多种ML框架如PyTorch、TensorFlow、Scikit-Learn，并集成团队协作、自动记录、版本控制和SEO关键词包括机器学习、AI、模型部署、实验跟踪、MLOps。

BAML 集成技能是一套通用的模式，用于在任何项目中与边界机器学习（BAML）合作，提供类型安全的大语言模型（LLM）提示和自动代码生成，支持 Python 和 TypeScript，适用于跨语言代码生成和客户端包装。

DeepChem 是一个用于化学、材料科学和生物学的 Python 机器学习库，专注于分子性质预测（如溶解度、毒性）、药物发现、材料设计和生物分子分析。它提供分子特征化、图神经网络（GNNs）、预训练模型和 MoleculeNet 基准数据集，支持迁移学习和深度学习应用。关键词：机器学习、化学、药物发现、分子性质预测、图神经网络、Python 库。

这个技能提供了一套全面的指南，用于监控生产环境中的人工智能和机器学习系统，包括大型语言模型（LLMs）、检索-生成（RAG）应用和传统机器学习模型。它涵盖了监控堆栈的搭建、关键性能指标的跟踪、模型性能监控、数据漂移检测、日志记录、追踪技术、告警策略、仪表板配置、A/B测试监控、成本优化等多个方面，是确保AI系统可靠性和性能的关键工具。

DVC数据集版本控制技能，专为机器学习与数据科学工作流设计，提供数据版本追踪、变更管理、管道自动化及实验可复现性保障。核心功能包括数据血缘追踪、远程存储同步、缓存优化与实验对比，适用于数据工程、模型训练及特征工程等场景，提升团队协作效率与项目可维护性。关键词：DVC版本控制、数据管道、机器学习可复现性、数据血缘追踪、远程存储管理、实验管理、数据工程、MLOps。

Aeon 是一个全面的 Python 时间序列机器学习工具包，专为分类、回归、聚类、预测、异常检测、分割和相似性搜索设计。适用于股票价格预测、ECG 分类、传感器数据分析和量化交易等任务。关键词：时间序列、机器学习、Python、预测、分类、异常检测、量化金融。

模型卡生成器是一个遵循谷歌模型卡框架的自动化文档工具，用于为机器学习模型创建标准化、全面的技术文档。该技能能自动生成包含模型详情、预期用途、性能指标、伦理考量、局限性和版本历史等关键部分的模型卡，支持HTML、Markdown和JSON多种输出格式，旨在提升机器学习项目的透明度、可解释性和可维护性。关键词：模型卡，机器学习文档，模型可解释性，AI伦理，模型评估，自动化文档，MLOps，模型治理。

这项技能涵盖了如何将 PyTorch 模型部署到生产环境，包括模型导出、优化、服务部署、监控和性能基准测试等关键步骤，是实现深度学习模型从开发到上线的重要指南。