Écrire des requêtes de base de données efficaces nécessite une connaissance approfondie des patterns SQL et NoSQL. Cette compétence génère des requêtes optimisées avec une paramétrisation appropriée et explique les stratégies d'exécution pour de meilleures performances.

Les données JSON se présentent souvent sous forme de structures imbriquées complexes difficiles à exploiter. Cette compétence fournit des conseils experts pour analyser, transformer, valider et convertir des données JSON pour tous les cas d'usage.

Une mauvaise qualite de donnees entraine des pannes systeme et de mauvaises decisions. Cette competence valide les donnees par rapport a des schemas JSON, des schemas de base de donnees et des regles metier personnalisees pour detecter les erreurs tot. Elle detecte aussi les doublons, les valeurs aberrantes et les problemes de format tout en generant des rapports de qualite detailles.

Les fichiers CSV contiennent souvent des données désordonnées qui nécessitent un nettoyage et une transformation. Cette compétence fournit des outils complets et des exemples pour analyser, nettoyer et analyser efficacement les données CSV.

Transformez des données brutes en histoires visuelles captivantes. Créez des graphiques à barres, des courbes, des nuages de points, des cartes de chaleur et des tableaux de bord interactifs avec un style professionnel.

Les requêtes de base de données écrites avec des boucles for sont lentes et créent des problèmes de maintenance. Cette compétence fournit des directives pour utiliser les opérations en masse SQLAlchemy et les modèles de référentiel afin d'écrire du code de base de données rapide et maintenable.

Les grands ensembles de documents dépassent les limites de contexte. Traitez les corpus en graphes de connaissances pour un raisonnement multi-sauts efficace et une interrogation persistante sur des milliers de documents.

Les noms des modèles d'IA changent fréquemment. Cette compétence récupère les listes de modèles actuels auprès d'Anthropic, OpenAI, Gemini et Ollama, puis les classe par niveau de performance pour une sélection optimale des modèles.

Travailler avec des fichiers Excel manuellement est chronophage et source d'erreurs. Cette compétence automatise la création de feuilles de calcul, l'édition et le recalcul des formules utilisant des bibliothèques Python standard.

Écrire du code R avec des motifs obsolètes gaspille du temps et crée une dette technique. Cette compétence fournit les meilleures pratiques actuelles pour tidyverse, la métaprogrammation rlang et le développement de packages afin que vous puissiez écrire du code R propre et efficace.

Marimo est un environnement de notebooks Python réactif qui garantit un état cohérent entre le code et les sorties. Cette compétence fournit des conseils experts pour construire des applications de données interactives et des notebooks reproductibles qui s'exécutent comme des scripts et se déploient comme des applications web.

Évitez les erreurs de virgule flottante dans les calculs financiers et scientifiques. Cette compétence évalue les expressions mathématiques avec une précision arbitraire en utilisant big.js pour des résultats décimaux exacts.

Les équipes de croissance ont du mal à s'aligner sur les métriques et à mener des expérimentations disciplinées. Cette compétence fournit des cadres éprouvés pour les boucles de croissance, le PLG et l'expérimentation qui génèrent un impact mesurable tout en respectant la vie privée des utilisateurs.

Les modifications de schéma de base de données sont sujettes aux erreurs et peuvent casser la production. Cette compétence fournit des modèles éprouvés pour créer des migrations Supabase idempotentes avec isolation des espaces de travail et politiques Row Level Security.

Des informations commerciales incohérentes entre les répertoires endommagent le classement SEO local et confondent les clients. Cette compétence garantit que vos données NAP restent parfaitement synchronisées sur Google Business Profile, Apple Maps, Facebook et plus de 30 répertoires avec des audits automatisés et une génération de balisage Schema.

Le web scraping est difficile et chronophage. Crawl4AI fournit 6 modes intelligents pour extraire du contenu, des captures d’ecran et des PDF depuis n’importe quel site web avec des fonctions anti-detection.

Alembic génère des migrations sans comprendre les implications de performance de PostgreSQL. Cette compétence fournit des modèles pour réviser les migrations de base de données et écrire des requêtes efficaces qui évitent les pièges de performance courants.

La construction de structures moléculaires initiales pour les simulations nécessite des contraintes spatiales précises. Packmol automatise le placement des molécules avec prévention des chevauchements, prenant en charge les boîtes, sphères, cylindres et plans pour divers besoins de simulation.

Les agents perdent toutes leurs connaissances à la fin des sessions. Cette compétence fournit des modèles d'architectures de mémoire multicouche qui préservent les connaissances des entités, suivent les relations et permettent des requêtes temporelles entre les sessions.

Construire des systèmes d’évaluation LLM fiables est difficile en raison de biais systématiques. Cette compétence fournit des schémas prêts pour la production pour la notation directe, la comparaison par paires et l’atténuation des biais afin de créer des pipelines d’évaluation automatisée dignes de confiance.