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

简历CV构建器是一个用于优化职业文档的技能，通过结构化框架（如按时间顺序、功能型、混合型）、量化成就方法（如STAR、XYZ）和ATS兼容性优化，帮助个人提升简历和CV的影响力、针对特定求职角色定制，并提高求职成功率。关键词：简历优化、CV制作、职业发展、ATS兼容、求职技巧、职业技能、量化成就、结构化框架。

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。

这个技能专注于使用ClickHouse列式数据库进行高性能数据分析和数据工程，涵盖表设计、查询优化、物化视图、批量插入和实时聚合等模式。它适用于大规模数据处理、实时OLAP分析，特别是在股票量化交易中用于数据处理、回测和风险评估，关键词包括ClickHouse、数据分析、数据工程、查询优化、物化视图、量化金融、OLAP、实时分析、大数据处理。

分析美国上市公司向SEC提交的EDGAR文件，包括10-K、10-Q、8-K、委托投票书、Form 4等，提取关键财务数据、风险因素、管理层讨论内容，并生成投资信号，辅助基本面分析和量化策略。关键词：SEC文件、10-K、10-Q、8-K、基本面分析、EDGAR、财报分析、风险因素、内部人交易、13F、机构持仓。

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。

Hummingbot量化交易助手是一个专门针对加密货币算法交易的技能库，提供自动化交易策略开发、做市商策略、套利交易、交易所API连接等全面支持。包含高频交易、量化策略、回测系统、市场数据获取、订单簿分析等核心功能，适用于量化金融开发者、算法交易员和加密货币交易机器人构建者。

闪电交易是一个基于Arbitrum区块链的链上订单簿去中心化交易所（DEX）命令行工具。它允许用户通过简单的命令进行永续期货合约的交易，支持查看市场深度、获取实时价格、管理账户余额与持仓、以及执行开仓、平仓、取消订单等操作。关键词：Arbitrum DEX，链上订单簿，永续期货，量化交易，DeFi，命令行交易，低手续费，高流动性。

这是一个全面的风险管理引擎，用于量化交易中的风险控制，包括价值风险评估、压力测试、波动率监测等关键功能。

Pymoo是一个Python多目标优化框架，提供NSGA-II、NSGA-III、MOEA/D等先进算法，用于解决单目标和多目标优化问题，支持约束处理、基准测试（如ZDT、DTLZ）、遗传算子定制和多标准决策制定，适用于工程设计、量化金融、机器学习等领域的优化任务。关键词：多目标优化、Python框架、NSGA-II、Pareto前沿、约束处理、进化算法、工程设计、量化策略。

JAX是一个Python库，专注于高性能数值计算，支持自动微分、即时编译（JIT）、向量化和GPU/TPU加速，适用于机器学习、深度学习和科学计算等场景。核心功能包括变换组合（grad、jit、vmap、pmap）、PyTrees处理以及优化循环模式。关键词：JAX, 自动微分, 高性能计算, 机器学习, 深度学习, Python, GPU加速, 数值优化, 科学计算, AI框架。

这个技能涉及使用bitsandbytes库对大型语言模型进行量化和内存优化，通过8位和4位量化减少GPU内存占用50-75%，精度损失小于1%，支持INT8、NF4、FP4格式、QLoRA微调和8位优化器，适用于有限内存环境下的模型加载、推理和训练，与HuggingFace Transformers集成。关键词：LLM量化、内存优化、bitsandbytes、QLoRA、深度学习、大模型微调、GPU加速、HuggingFace、AI模型优化。