趋势分析师是专注于识别、分析和预测市场、技术及商业环境变化的专家。核心能力包括信号检测、时间序列分析、社会倾听和预测建模。该技能用于发现新兴趋势、评估趋势强度、进行市场时机判断，并将洞察转化为可执行的商业建议。关键词：趋势预测，信号检测，时间序列分析，市场情报，商业趋势，预测建模，社会倾听，早期预警。

离散事件仿真器是一种基于Python SimPy框架的专业仿真技能，用于对复杂系统进行建模、分析和优化。该技能支持随机过程建模、资源容量规划、队列管理、预热期检测和统计输出分析，广泛应用于制造系统、服务系统、供应链和业务流程的仿真优化。关键词：离散事件仿真、SimPy、随机过程建模、系统优化、置信区间分析、制造仿真、队列系统、资源规划、Python仿真、蒙特卡洛模拟。

这个技能用于审计预测模型和临床AI手稿，对照TRIPOD+AI检查表进行评估，确保模型的透明报告、合规性和公平性。关键词：TRIPOD+AI, 预测模型, 临床AI, 审计, 合规检查, 机器学习, 深度学习, 透明报告, 医疗保健, 数据科学。

这个技能提供全球天气查询API，用于获取当前天气状况和多日天气预报，支持通过城市名称查询，可返回温度、降水概率、风速、湿度等详细气象数据。适用于旅行规划、户外活动、事件安排等场景。关键词：天气API、天气预报、气象数据、城市查询、温度预测、降水概率、风速湿度、SEO优化。

本技能提供一套完整的需求预测框架，整合时间序列分析、因果回归模型和定性判断方法，用于企业季度/年度需求规划、新产品上市预测、库存优化和产能决策。核心功能包括混合预测模型、准确性评估指标（如MAPE）、需求细分（ABC-XYZ）、安全库存计算和情景规划。适用于制造业、零售、快消品、SaaS等多个行业，帮助企业提升预测精度，优化供应链，降低库存成本，实现数据驱动的商业决策。

Statsmodels 是 Python 的一个开源库，专门用于统计建模、计量经济学分析和时间序列分析。它提供了广泛的统计方法，包括线性回归、广义线性模型、逻辑回归、ARIMA 等，用于数据分析和预测。关键词：统计建模，Python，回归分析，时间序列，计量经济学，假设检验，数据分析，预测建模。

贝叶斯推理引擎是一个基于贝叶斯概率论的统计建模与分析工具，专门用于先验概率设定、后验分布计算和动态信念更新。它支持MCMC采样、变分推理、模型比较和后验预测检验等核心功能，广泛应用于科学研究、量化金融、数据分析和机器学习等领域。关键词：贝叶斯推理、概率建模、MCMC采样、后验计算、信念更新、统计推断、PyMC、Stan、数据科学、量化分析

这是一个世界级的高级数据科学家技能集，专注于构建生产级的AI/ML/数据系统。它集成了统计建模、因果推断、A/B测试、特征工程、模型评估与部署等核心能力，并遵循MLOps和DataOps最佳实践。适用于需要设计复杂实验、开发高精度预测模型、进行深度因果分析以及推动企业数据驱动决策的场景。关键词：数据科学，机器学习，统计建模，A/B测试，特征工程，模型部署，MLOps，Python，SQL，大数据分析，人工智能系统。

多项式混沌展开是一种用于高效传播计算模型中不确定性的数学方法。该方法通过正交多项式基函数对随机输入变量进行展开，能够快速计算输出响应的统计特性（如均值、方差）和全局敏感性分析（如Sobol指数）。适用于工程仿真、金融风险评估、科学计算等领域的不确定性量化分析。关键词：不确定性量化，多项式混沌，敏感性分析，随机建模，数值仿真，风险分析，正交多项式，稀疏PCE

这个技能专注于时间序列数据分析，帮助识别模式、趋势、季节性和异常点，并使用统计和机器学习方法进行预测。关键词：时间序列分析、趋势预测、季节性分解、异常检测、ARIMA模型、机器学习预测、量化交易、数据分析、预测建模。

Statsmodels是一个用于统计建模和计量经济学的Python库，支持线性回归、广义线性模型、时间序列分析等多种统计方法，提供详细的诊断、残差分析和推理功能，适用于数据科学、预测建模和数据分析。关键词：统计建模，Python，数据分析，预测模型，计量经济学。

scikit-survival 是一个用于生存分析和时间到事件建模的 Python 工具包。它适用于处理截尾数据、拟合 Cox 模型、随机生存森林、梯度提升模型或生存 SVM，使用一致性指数或 Brier 分数评估预测，处理竞争风险，或实现任何生存分析工作流。关键词：生存分析，时间到事件建模，截尾数据，Cox 模型，随机生存森林，梯度提升，生存 SVM，一致性指数，Brier 分数，竞争风险，Python 库，预测建模。