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。

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。

gget是一个命令行和Python包，提供对20多个生物信息学数据库的统一访问，用于快速查询基因信息、序列分析、蛋白质结构、表达数据和疾病关联。它支持BLAST搜索、AlphaFold结构预测、富集分析等功能，适用于生物信息学研究、数据分析、基因组学探索。关键词：生物信息学、数据库查询、基因分析、序列比对、结构预测、富集分析、快速查询、Python工具。

专注于提高表单完成率，优化用户填写体验，增强数据收集效率。关键词：表单优化、转化率、用户体验、数据收集。

ZoomInfo 数据丰富技能是一个基于ZoomInfo API的B2B商业情报工具，专门用于销售和营销领域。它提供全面的企业联系人搜索、公司档案、买家意向信号追踪、组织架构图绘制和技术栈分析功能。该技能能帮助用户进行精准的账户研究、意向驱动的潜在客户挖掘和竞争情报分析，从而增强线索评分、战略规划和销售拓展等业务流程。关键词：ZoomInfo，B2B数据，销售情报，联系人丰富，意向数据，组织架构，技术栈分析，竞争情报，账户研究，潜在客户挖掘。

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

这是一个用于PDF文档处理的技能，支持提取文本和表格、创建PDF、合并分割文件、填充表单等功能，适用于程序化文档处理和分析。关键词：PDF处理、文本提取、表格提取、合并PDF、分割PDF、表单填充、Python库、命令行工具、数据分析、文档处理。

这是一个数据分析技能，用于分析数据文件、提取关键指标并生成报告，适用于数据处理和自动化分析。关键词：数据分析、文件分析、报告生成、数据提取、自动化处理。

该技能用于在图形数论中提供质数相关问题的解决策略，包括质数测试、因式分解、质数分布分析等，适用于算法设计、数学研究和数据分析。关键词：质数、图论、数论、算法、问题解决、数学建模。

转化率优化（CRO）方法论是一种基于客户研究的科学方法，用于提高网站和数字产品的转化率。它通过系统化流程，包括客户研究、异议处理、说服资产利用、A/B测试等，帮助企业发现并消除访客不转化的原因，从而提升业务绩效。关键词包括：转化率优化、CRO、客户研究、A/B测试、说服资产、转化漏斗、数据分析。

这个技能是一个PDF处理工具包，用于程序化文档处理和分析。通过Python库（如pypdf、pdfplumber、reportlab）和命令行工具，可以提取PDF中的文本和表格、创建新PDF、合并和拆分文件、填充表单、添加水印、进行OCR识别等。关键词：PDF处理、文本提取、表格提取、Python编程、命令行工具、文档自动化、数据提取、OCR技术。

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。