浮点数误差分析是一种用于评估和验证数值算法精度的专业技能。它通过严格的数学方法，如IEEE 754标准建模、舍入误差跟踪、区间算术和高精度计算，来量化计算过程中的累积误差，并推导可靠的误差边界。该技能对于确保科学计算、金融建模、工程仿真和机器学习等领域中算法的数值稳定性和结果可靠性至关重要。关键词：浮点数误差分析，数值算法验证，IEEE 754，舍入误差，区间算术，高精度计算，误差边界，数值稳定性，科学计算，量化金融。

ML材料预测器是一个基于机器学习的纳米材料性能预测与发现加速工具。它利用图神经网络、Transformer等先进算法，通过材料特征工程、高通量虚拟筛选和主动学习技术，帮助科研人员快速预测新材料性能、优化实验设计并加速材料研发进程。关键词：机器学习材料预测、纳米材料发现、性能预测模型、高通量筛选、材料特征工程、GNN预测、材料设计优化、虚拟实验、AI材料科学

此技能用于在Marimo笔记本中进行交互式数据科学开发，通过计划-执行-验证循环确保代码质量、数据准确性和执行效率。它支持创建、编辑和验证笔记本，涵盖数据检查、错误分析和输出验证，适用于数据分析、可视化和Python脚本开发。关键词：Marimo、交互式开发、数据科学、验证循环、笔记本、数据分析、Python、代码质量、执行验证、数据可视化。

该技能专注于Excel文件的创建、编辑和数据分析，支持公式计算、格式化、数据可视化和金融建模，使用Python工具如pandas和openpyxl进行高效处理，适用于数据科学、量化金融和财务分析等领域，关键词包括Excel数据处理、数据分析、财务建模、Python自动化、电子表格操作。

这是一个全面的LogQL查询生成工具，用于创建最佳实践的LogQL查询，适用于日志分析、仪表板、告警和故障排查。

此技能用于从多个来源综合研究发现，进行模式识别、权重分配、矛盾解决和叙事构建，以形成连贯的结论并量化不确定性。关键词：研究综合、数据分析、不确定性量化、结论生成、SEO搜索优化。

Vaex是一个高性能Python库，专门用于处理和分析超出RAM容量的大型表格数据集。它支持内存外计算、懒加载、快速聚合和大数据可视化，适用于数据科学、量化金融和机器学习领域。关键词：大数据处理、数据分析、Python库、内存外计算、数据可视化、机器学习、量化交易。

营销性能分析技能用于通过关键指标追踪、趋势分析、归因建模和优化建议来测量、报告和优化市场营销活动在各渠道的表现。适用于构建性能报告、审查活动结果、分析电子邮件、社交媒体、付费广告和SEO等渠道指标，并识别有效策略和改进点。关键词：营销分析、性能指标、趋势分析、优化建议、SEO、SEM、内容营销、数据分析、归因模型、仪表板报告。

反事实推理是一种通过模拟对过去决策或假设未来进行干预来评估替代情景的分析方法。它用于决策后评估、情景规划、路径比较和战略模拟，通过概率加权结果进行对比分析，帮助决策者理解不同选择可能带来的影响。关键词：反事实推理、决策评估、情景模拟、概率分析、替代路径、战略规划、后见之明分析、因果推断。

这是一个综合工具包，用于验证、优化和理解Prometheus查询语言（PromQL）查询。它可以帮助用户检查语法、检测反模式、识别优化机会，并与用户交互式地规划查询。

这个技能是一个综合工具包，用于分析Neuropixels高密度神经记录数据，采用SpikeInterface、Allen Institute和International Brain Laboratory的最佳实践。它支持从原始数据加载（SpikeGLX/OpenEphys格式）、预处理（如过滤和运动校正）、尖峰排序（如Kilosort4）、质量指标计算（信噪比、ISI违规）、AI辅助视觉分析和单元整理的完整工作流程。适用于神经科学、细胞外电生理学和数据分析研究。关键词：神经记录、尖峰排序、Neuropixels、数据分析、AI辅助分析、神经科学研究。

这个技能用于查询Ensembl基因组数据库的REST API，支持250多种物种的基因查找、序列检索、变异分析、比较基因组学等功能，适用于基因组研究、生物信息学分析和数据整合。关键词：Ensembl, 基因组数据库, 基因查询, 序列检索, 变异分析, 比较基因组学, REST API, 生物信息学, 数据检索。