搜索结果: "量化"

4.5

X/Twitter研究助手Skill x-research

X/Twitter研究助手是一个基于Composio API的智能研究工具,专为量化金融、证券投资和金融科技领域的专业人士设计。它提供零成本的实时社交媒体数据抓取与分析能力,支持关键词搜索、用户资料分析、对话串追踪和关注列表管理。核心功能包括按互动度或时间排序的推文搜索、特定用户推文监控、完整对话上下文重建以及原始数据导出。该工具特别适用于市场情绪分析、突发新闻追踪、专家观点收集和投资信号挖掘,帮助用户在股票量化交易、算法策略开发和风险管理中,高效整合来自X/Twitter的实时非结构化数据,辅助决策。

4.5

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。

4.5

摄取技能Skill ingest

摄取技能是一个数据处理命令,用于从指定文件路径直接加载数据到数据域的表中。适用于程序化或API驱动的数据摄取场景,支持ETL开发、数据工程、数据治理等。关键词:数据摄取、文件加载、ETL工具、数据管道、数据处理、量化金融、证券投资。

4.5

链式估计-决策-故事叙述Skill chain-estimation-decision-storytelling

这个技能用于在高风险决策下进行量化估计、预期价值分析和说服性故事叙述,帮助制定战略选择、创建商业案例和说服利益相关者。关键词:链式估计,决策分析,预期价值,故事叙述,商业案例,量化分析。

4.5

pandas-DataFrame分析器Skill pandas-dataframe-analyzer

pandas-DataFrame分析器是一款自动化数据分析工具,专门用于金融数据、股票量化交易数据的预处理和探索性分析。该工具提供全面的统计摘要、缺失值检测、数据类型优化建议和内存占用分析,支持CSV、Parquet、JSON等多种数据格式。适用于量化金融策略开发、因子挖掘、回测系统数据预处理等场景,帮助交易员和数据分析师快速了解数据特征、优化数据质量,为后续的机器学习建模和量化策略制定提供可靠的数据基础。关键词:数据分析,数据工程,量化金融,股票分析,pandas,数据预处理,探索性分析,统计摘要,缺失值检测,内存优化

4.5

RB基准测试器Skill rb-benchmarker

RB基准测试器是一款专注于量子计算领域的专业工具,用于执行随机化基准测试协议,以精确表征量子门的保真度、评估硬件性能并分离系统误差。核心功能包括标准RB、交错RB、串扰分析、衰减曲线拟合和SPAM误差分离,帮助研究人员和工程师量化量子计算系统的可靠性,为硬件优化和错误缓解提供数据支持。 关键词:量子计算,随机化基准测试,量子门保真度,硬件表征,错误管理,量子基准测试,保真度衰减,SPAM误差,量子硬件性能

4.5

成就追踪Skill track-win

这个技能用于将个人成就结构化记录到夸耀文档中,帮助用户量化成果、分类成就类型,并支持职业发展和晋升准备。关键词:成就记录、夸耀文档、职业发展、绩效管理、量化指标、晋升准备。

4.5

碳足迹估算器Skill carbon-footprint-estimator

碳足迹估算器是一款面向风险投资和商业领域的专业工具,用于进行ESG(环境、社会和治理)尽职调查。它能够全面计算企业的范围1(直接)、范围2(间接能源)和范围3(价值链)温室气体排放,提供详细的碳足迹评估、行业基准对比、未来排放轨迹预测以及减排情景模拟。该工具遵循国际标准(如GHG Protocol、SBTi),帮助企业量化环境影响,支持投资决策和可持续发展战略制定。 关键词:碳足迹计算,ESG尽职调查,温室气体排放,范围123排放,环境影响评估,风险投资工具,可持续发展分析,减排情景模拟,碳强度指标,环境数据量化

4.5

量化方法Skill quantitative-methods

量化方法技能专注于使用R、Stata、SPSS或Python等统计工具,为社会科学研究提供严谨的数据分析解决方案。核心能力包括回归建模、假设检验、功效分析和稳健性检验,旨在帮助研究者设计定量研究、分析调查数据、验证假设并构建预测模型。该技能强调最佳实践,如预注册分析、假设检查和代码文档化,确保分析结果的可靠性和可重复性。

4.5

边缘部署技能Skill EdgeDeploymentSkill

该技能专注于将机器学习模型高效部署到机器人及嵌入式边缘设备(如NVIDIA Jetson)。核心功能包括模型优化(TensorRT、ONNX转换、INT8/FP16量化、模型剪枝)、加速推理配置(DeepStream、CUDA图、DLA)、以及集成实现(ROS2节点、多流推理)。旨在解决边缘计算场景下的模型轻量化、低延迟推理与硬件适配挑战,适用于机器人视觉、自动驾驶、工业检测等实时AI应用部署。 关键词:边缘计算部署,Jetson模型优化,TensorRT加速,ONNX转换,INT8量化,DeepStream,ROS2推理节点,嵌入式AI,模型轻量化,低延迟推理

4.5

模型优化Skill ModelOptimization

模型优化技能涉及一系列技术,用于在保持准确度的同时减小机器学习模型的大小、提高推理速度。关键技术包括量化、剪枝、知识蒸馏等,旨在实现模型的高效部署。

4.5

Ankane风格README文档编写器Skill ankane-readme-writer

此技能用于帮助开发者创建和更新Ruby gem的README文件,遵循Ankane风格模板,确保文档简洁、格式规范,使用命令式语音、保持句子简短、组织标准章节顺序。关键词:Ruby, README, Ankane风格, 文档编写, gem开发, 命令式语音, 代码围栏, 量化金融(不直接相关,但提及以增强SEO)