Bedeutung aus Bildern ohne manuellen Aufwand extrahieren. Dieses Skill analysiert Fotos, Screenshots, Diagramme und Mockups mithilfe des MiniMax Vision MCP, um detaillierte Beschreibungen, Textextraktion und Design-Feedback zu liefern.

Erstellen, lesen, bearbeiten, validieren und formatieren Sie professionelle Excel-Tabellen (.xlsx, .xlsm, CSV) mit null Formatverlust, finanzgrader Formatierung und Formelvalidierung – alles ohne das destruktive Round-Trip-Verhalten von openpyxl.

Diese Kompetenz bietet umfassende Dokumentation und SDK-Referenzen für Azure AI-Dienste, einschließlich Search, Speech, OpenAI, Vision, Translation und Document Intelligence. Sie hilft Entwicklern, schnell die richtigen APIs und Codemuster für ihre KI-Lösungen zu finden.

Die Erstellung von KI-generierten Bildern und Videos erfordert normalerweise die Navigation durch komplexe Plattformen und das Verfassen detaillierter Prompts. Diese Skill stellt eine direkte Verbindung zur API von liblib.tv her und ermöglicht es Ihnen, visuelle Inhalte durch Befehle in natürlicher Sprache zu generieren und zu bearbeiten.

Manuelles Schema-Design ist fehleranfällig und schwer zu visualisieren. DB Craft bietet einen lokalen visuellen Arbeitsbereich zum Entwerfen von MySQL-, PostgreSQL-, SQLite- und MSSQL-Schemas mit KI-Unterstützung, gefolgt vom Export von produktionsbereitem SQL.

Die ZINC-Datenbank enthält über 230 Millionen käufliche chemische Verbindungen für die Arzneimittelforschung. Diese Fähigkeit bietet programmatischen Zugriff zum Suchen nach ZINC-ID, SMILES oder Lieferantencode, zum Abrufen von 3D-Strukturen und zum Durchführen von Ähnlichkeitssuchen für virtuelles Screening und molekulare Docking-Studien.

Arbeit mit großen Datensätzen, die die Speicherlimits überschreiten. Zarr-python ermöglicht Chunk-basierte Arrayspeicherung mit Komprimierung für effiziente Cloud-native wissenschaftliche Berechnungs-Workflows.

Diese Fähigkeit ermöglicht das Erstellen, Bearbeiten und Analysieren von Excel-Tabellenkalkulationen mit Formeln, Formatierung und Datenanalyse. Sie berechnet Formeln auch neu und überprüft auf null Fehler für publikationsreife Ausgaben.

Die Verarbeitung großer tabellarischer Datensätze, die den RAM übersteigen, erfordert spezialisierte Tools. Vaex ermöglicht Out-of-Core-DataFrame-Operationen, lazy Evaluation und Milliarden-Zeilen-pro-Sekunde-Verarbeitung für Datensätze, die zu groß für den Speicher sind. Perfekt für astronomische Daten, Finanz-Zeitreihen und großangelegte wissenschaftliche Analysen.

Hochdimensionale Daten sind schwer zu visualisieren und zu analysieren. UMAP reduziert Dimensionen und erhält dabei die Struktur, was klare 2D/3D-Visualisierungen und bessere Clustering-Ergebnisse ermöglicht.

Graph Neural Networks ermöglichen moderne Anwendungen wie Medikamentenentwicklung, soziale Netzwerkanalyse und Empfehlungssysteme. Diese Skill bietet可直接使用的模板 und Dokumentation für die Implementierung von GNNs mit PyTorch Geometric.

Sie benötigen exakte mathematische Ergebnisse anstelle numerischer Approximationen. Diese Fähigkeit bietet umfassende Anleitungen für symbolische Algebra, Analysis, Gleichungslösung, Matrixoperationen und physikalische Berechnungen mit der Python-Bibliothek SymPy.

Führen Sie eine rigorose statistische Analyse mit OLS, GLM, ARIMA und diskreten Auswahlmodellen durch. Erhalten Sie publikationsreife Ergebnisse mit vollständigen Diagnosen, Koeffiziententabellen und Residuenanalyse.

Hören Sie auf zu raten, welchen statistischen Test Sie verwenden sollen. Erhalten Sie eine geführte Testauswahl, Annahmeprüfung und APA-formatierte Ergebnisse für Ihre Forschungsdaten. Perfekt für Studierende und Forschende, die eine rigorose statistische Analyse benötigen.

Mit SimPy können Sie komplexe Systeme mit Prozessen, Warteschlangen und gemeinsam genutzten Ressourcen modellieren. Simulieren Sie Fertigungslinien, Serviceabläufe, Netzwerkverkehr und Logistik, um die Leistung vor der Implementierung zu optimieren.

Maschinelle Lernmodelle fungieren oft als Black-Box-Systeme. SHAP bietet ein einheitliches Framework zur Erklärung beliebiger Modellvorhersagen, indem Merkmalsbeiträge mittels Shapley-Werten aus der Spieltheorie berechnet werden. Verwenden Sie diese Skill, um Merkmalswichtigkeit zu visualisieren, Modellverhalten zu debuggen und erklärbare KI zu implementieren.

Die Überlebenszeitanalyse behandelt Daten, bei denen Ereignisse möglicherweise nicht für alle Probanden eingetreten sind. Diese Skill bietet Python-Tools für Time-to-Event-Modellierung mit zensierten Daten unter Verwendung von Cox-Modellen, Random Survival Forests, SVMs und spezialisierten Evaluationsmetriken wie dem Konkordanzindex.

Verarbeiten Sie biologische Sequenzen, berechnen Sie Diversitätsmetriken und führen Sie statistische Tests an Mikrobiom- und ökologischen Daten durch. Dieser Skill bietet umfassende Anleitungen für Bioinformatik-Workflows einschließlich Sequenzalignment, phylogenetischer Analyse und Ordination.

Single-cell RNA-Sequencing erzeugt komplexe Datensätze, die eine spezialisierte Analyse erfordern. Diese Fähigkeit bietet einen vollständigen Workflow für Qualitätskontrolle, Dimensionsreduktion, Clustering und Visualisierung von single-cell Genexpressionsdaten.

Analysieren Sie biologische Pfade und Genlisten mit der Reactome-Datenbank. Führen Sie Pfadanreicherungsanalysen durch, ordnen Sie Gene Pfaden zu und erkunden Sie molekulare Interaktionen für die Systembiologieforschung.