预测建模 Skill技能列表
Python优化Skill python-optimization
Python优化技能提供数学优化在Python中的全面指导，包括问题分类、库选择（如scipy、pyomo、cvxpy、GEKKO）、求解器配置和实现模式，适用于线性规划、二次规划、非线性规划、混合整数规划、凸优化和全局优化问题。关键词：Python优化，数学优化，scipy，pyomo，cvxpy，GEKKO，线性规划，非线性规划，优化算法，参数估计。
趋势分析师Skill trend-analyst
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。
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。
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
统计建模与计量经济学分析Skill statsmodels
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。
时间序列分析师Skill time-series-analyst
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。
TRIPOD+AI合规检查技能Skill tripod-check
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。
系统动力学建模师Skill system-dynamics-modeler
系统动力学建模师技能是一个专业的商业仿真工具，专注于构建和分析包含反馈循环、延迟和非线性行为的复杂系统模型。该技能通过因果循环图、存量流量图和动态仿真，帮助企业进行战略决策支持、情景分析和政策测试。核心功能包括反馈循环识别、系统仿真、均衡分析、敏感性测试和策略评估。适用于商业战略规划、竞争分析、市场动态模拟和风险管理等领域。 关键词：系统动力学建模，反馈循环分析，存量流量图，动态仿真，商业决策支持，策略测试，因果循环图，仿真建模，战略规划，情景分析
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。
Python多目标优化Skill python-multiobjective-optimization
这个技能专注于在Python中实现多目标优化，用于同时优化多个冲突目标，发现Pareto前沿，适用于数据分析、机器学习、工程优化和量化金融等场景。它提供专家指导，涵盖Pareto最优性、进化算法（如NSGA-II、NSGA-III、MOEA/D）、标量化方法、Pareto前沿分析，并使用pymoo、platypus和DEAP库进行实现。关键词包括多目标优化、Pareto前沿、NSGA-II、进化算法、Python优化、数据建模。
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。
多项式混沌展开Skill polynomial-chaos-expansion
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