Evidently漂移检测器是一个基于Evidently AI的机器学习监控技能，专门用于生产环境中ML系统的数据漂移检测、模型性能监控、目标漂移分析和自动报告生成。该技能支持多种统计检验方法（如KS、PSI、Wasserstein），能够量化漂移幅度、监控性能退化、生成可视化报告，并与ML管道集成实现自动化重训练触发。适用于机器学习运维（MLOps）、模型监控、数据质量保障等场景。关键词：机器学习监控、数据漂移检测、模型性能监控、Evidently AI、MLOps、概念漂移、目标漂移、自动化报告、统计检验、生产环境ML。

MLflow实验跟踪器是一个机器学习实验管理工具，提供实验跟踪、模型注册、参数记录、指标监控和工件管理功能。支持MLflow API集成，实现自动化实验记录、模型版本控制、运行比较分析和生命周期管理，适用于机器学习工作流程优化和模型部署。关键词：MLflow实验跟踪，机器学习模型管理，实验记录工具，模型注册表，参数指标监控，AI实验管理，MLOps工具，模型版本控制

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。

Ray分布式训练器是一个基于Ray框架的分布式计算技能，专门用于并行机器学习训练、大规模超参数搜索和集群资源管理。它支持PyTorch、TensorFlow等主流框架，提供弹性训练、容错检查点和多节点编排功能，能显著加速模型开发和优化流程。关键词：Ray分布式计算，并行训练，超参数搜索，机器学习，集群管理，AI模型优化。

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。

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。

人工智能与机器学习技能专注于使用算法和模型使计算机系统能够从数据中自动学习和改进，广泛应用于预测分析、自然语言处理、计算机视觉等领域。关键词包括：AI、机器学习、深度学习、数据科学、模型训练、算法优化、智能系统、人工智能应用。

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

UMAP降维技能是一种快速非线性流形学习技术，用于高维数据的2D/3D可视化、聚类预处理、监督学习和特征工程。关键词：UMAP, 降维, 可视化, 聚类, 机器学习, 数据科学, 特征工程, 非线性学习, 高维数据分析。

向量搜索模式是一种利用向量嵌入和数据库进行语义搜索的技术，它通过将文本或图像转换为向量，然后在高维空间中测量向量之间的相似性来工作。这项技术适用于需要基于内容含义而非关键词进行搜索的场景，如语义文档搜索、产品推荐、问题回答等。关键词包括向量嵌入、语义搜索、相似性比较、机器学习模型。

该技能用于设计端到端机器学习系统架构，涵盖数据摄入、特征工程、模型训练、推理服务、监控和实验等全流程，适用于推荐系统、欺诈检测、搜索排名等多种机器学习问题。关键词：机器学习、系统设计、管道架构、AI应用、ML pipeline。

UMAP降维学习是一种用于高维数据的非线性维度降维技术，适用于数据可视化、聚类预处理和机器学习特征工程。它通过保留数据的局部和全局结构，支持监督学习、参数化UMAP和与HDBSCAN等算法的集成。关键词：UMAP、降维、可视化、机器学习、数据科学、聚类、HDBSCAN、参数调优、特征工程、维度降维。