预测建模 Skill技能列表
PyMC概率编程Skill pymc-probabilistic-programming
PyMC概率编程技能提供了一套完整的Python工具集，专门用于实现灵活的贝叶斯建模和概率编程。核心功能包括分层模型构建、自定义概率分布定义、高斯过程建模、支持MCMC和变分推断等多种推断算法，并集成了ArviZ库进行模型诊断和结果可视化。该技能适用于需要进行不确定性量化、统计推断和预测建模的数据科学、量化金融及科研领域。关键词：贝叶斯建模，概率编程，PyMC，MCMC，变分推断，分层模型，高斯过程，ArviZ可视化，统计计算，Python数据分析。
时间序列分析师Skill time-series-analyst
该技能专注于时间序列数据的分析，用于识别模式、趋势、季节性和异常，并通过统计方法如ARIMA和机器学习方法如Prophet进行预测。适用于数据分析、预测建模和量化金融等领域。关键词：时间序列分析、预测建模、异常检测、数据挖掘、机器学习。
时间序列预测器Skill time-series-forecaster
时间序列预测器是一个用于业务指标预测和需求规划的AI技能工具。它整合了经典统计方法（如ARIMA、ETS）、机器学习（如XGBoost、LightGBM）和深度学习（如Prophet、N-BEATS）等多种模型，支持自动模型选择、集成预测、不确定性量化和季节性分解。该技能适用于销售预测、库存管理、财务规划等商业场景，帮助企业进行数据驱动的决策。关键词：时间序列预测，业务指标预测，需求规划，ARIMA，Prophet，机器学习预测，深度学习预测，季节性分析，预测区间，商业智能。
高级数据科学家Skill senior-data-scientist
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。
统计建模库Skill statsmodels
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。
预测市场技能Skill markets
此技能用于搜索和比较预测市场数据，支持Polymarket、Kalshi、Manifold和Metaculus等平台，提供实时价格和订单簿信息，帮助用户进行市场分析和投资决策。关键词：预测市场、数据搜索、价格查看、平台比较、量化金融、市场分析、SEO优化。
贝叶斯推理引擎Skill bayesian-inference-engine
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
scikit-survival生存分析技能Skill scikit-survival
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。
scikit-survival：生存分析工具包Skill scikit-survival
scikit-survival是一个基于scikit-learn的Python库，专门用于生存分析和时间到事件建模。它处理截尾数据，提供多种模型如Cox比例风险模型、随机生存森林和生存支持向量机，并支持模型评估如一致性指数和Brier分数。适用于医学研究、金融风险评估和生物统计等领域。关键词：生存分析、Python、scikit-survival、截尾数据、Cox模型、机器学习、预测建模、数据分析。
无梯度优化Skill derivative-free-optimization
无梯度优化是一种数学优化技术，用于在目标函数的梯度信息不可用、难以计算或不可靠的情况下寻找最优解。它通过直接评估函数值来探索参数空间，适用于黑盒函数优化、实验设计、参数调优等场景。主要方法包括Nelder-Mead单纯形法、Powell方法、贝叶斯优化和模式搜索等。关键词：无梯度优化，黑盒优化，贝叶斯优化，参数调优，数学优化，代理模型，Nelder-Mead，Powell方法，模式搜索，信赖域方法。
混合整数优化Skill mixed-integer-optimization
混合整数优化是一种数学规划技术，用于解决包含离散变量和连续变量的优化问题。该技能涵盖混合整数线性规划（MILP）和混合整数非线性规划（MINLP）的建模与求解方法，包括分支定界算法、割平面法、Big-M重构、指示约束等关键技术。适用于资源分配、生产调度、投资组合优化、路径规划等需要离散决策的实际场景。关键词：混合整数规划，MILP，MINLP，优化算法，数学建模，运筹学，离散优化，分支定界，Gurobi，CPLEX。
高级数据科学家Skill senior-data-scientist
这个技能用于高级数据科学工作，专注于统计建模、机器学习、实验设计和生产级AI系统实现，适用于数据驱动决策、预测分析和企业级数据解决方案。关键词：数据科学、机器学习、AI、统计建模、预测分析、实验设计、因果推断。