机器学习 Skill技能列表
BAML集成技能Skill baml-integration
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。
VectorDatabasePatternsSkill VectorDatabasePatterns
本技能涉及向量数据库的使用，包括Pinecone、Qdrant、Weaviate等，以及嵌入策略、相似性搜索、性能优化和生产环境部署。关键词包括向量数据库、嵌入、相似性搜索、性能优化。
Geniml：基因组间隔机器学习Skill geniml
Geniml是一个用于基因组间隔数据的机器学习技能，适用于BED文件的区域嵌入训练（如Region2Vec）、单细胞ATAC-seq分析（scEmbed）、共识峰构建和联合元数据嵌入（BEDspace）等任务。支持无监督学习、相似性搜索、聚类和下游机器学习应用，专注于生物信息学中的基因组特征学习。关键词：基因组间隔、BED文件、机器学习、单细胞ATAC-seq、嵌入、聚类、共识峰、生物信息学、Python包。
LIME解释器Skill lime-explainer
LIME解释器是基于LIME（局部可解释模型无关解释）算法的AI模型解释工具，专门用于机器学习模型的可解释性分析。该技能能够为表格数据、文本分类和图像分类的个体预测提供局部解释，帮助用户理解黑盒模型的决策依据。通过特征重要性分析、局部替代模型和可视化输出，提升模型透明度、可信度和调试效率。适用于模型验证、合规审计和业务决策支持场景。
ML系统设计Skill ml-system-design
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。
推荐引擎Skill RecommendationEngine
这项技能提供了构建推荐系统的全面实现，使用协同过滤、基于内容的过滤、矩阵分解和混合方法来预测用户偏好并提供个性化建议。
机器学习管道工作流程Skill ml-pipeline-workflow
这个技能提供了构建端到端机器学习操作（MLOps）管道的全面指导，涵盖从数据准备到模型训练、验证、部署和监控的全生命周期。它适用于自动化ML工作流、提高模型可复现性和生产部署效率。关键词包括：MLOps、管道编排、数据准备、模型训练、验证、部署、自动化、机器学习。
Kaggle学习者Skill kaggle-learner
Kaggle学习者技能是一个专为机器学习和数据科学领域设计的工具，用于提取和应用Kaggle竞赛的获胜方案知识。它覆盖NLP、计算机视觉、时间序列、表格数据和多模态等机器学习领域，提供前排方案详细技术分析、代码模板和最佳实践，帮助用户学习先进技术、优化项目、提升机器学习技能。关键词：Kaggle, 机器学习, 竞赛, 获胜方案, 知识提取, 技术分析, 代码模板, SEO学习工具。
量子机器学习框架PennyLaneSkill pennylane
PennyLane是一个开源的量子机器学习框架，提供硬件无关的量子电路自动微分、设备独立编程，并与PyTorch、JAX、TensorFlow等经典框架无缝集成。专为变分量子算法（如VQE、QAOA）、量子神经网络和量子化学模拟设计，适用于量子计算研究和应用开发，关键词包括量子计算、机器学习、自动微分、变分算法、量子神经网络。
对称性发现问卷Skill symmetry-discovery-questionnaire
对称性发现问卷是一个用于帮助机器学习工程师识别数据中隐藏对称性的结构化协作技能。通过域分析、变换测试和物理约束识别，发现对称性以提升模型性能，如样本效率、收敛速度和泛化能力。关键词：对称性发现、数据对称性、机器学习、变换测试、模型优化。
sklearn模型训练器Skill sklearn-model-trainer
sklearn模型训练器是一个基于Python scikit-learn库的机器学习模型开发技能，提供完整的自动化机器学习工作流程。该技能支持分类、回归、聚类等多种模型训练，包含交叉验证、超参数调优、管道构建和模型序列化等核心功能。适用于数据科学家、机器学习工程师和AI开发者快速构建和部署机器学习模型。关键词：scikit-learn, 机器学习, 模型训练, 交叉验证, 超参数调优, 管道构建, 模型序列化, Python, 自动化ML
分子特征化技能Skill molfeat
Molfeat是一个用于分子特征化的Python库，提供100多种特征化器，包括指纹、描述符和预训练模型，支持将化学结构转换为数值特征，适用于机器学习和深度学习任务，如QSAR建模、虚拟筛选和相似性搜索。关键词：分子特征化、机器学习、深度学习、QSAR、虚拟筛选、Python库、化学信息学、数据科学、人工智能应用。