pymc-bayesian-modeling

学術投稿は、投稿先によってフォーマット規則が異なるため失敗することがよくあります。このスキルは、より迅速な準備のためにテンプレート、要件、例を提供します。

医療機器チームは、認証監査の前に完全なQMS文書を作成する必要があります。このスキルは、ISO 13485対応準備のためのテンプレート、チェックリスト、ギャップ分析ガイダンスを提供します。

創薬チームには、信頼できるデータセットと公正な評価プロトコルが必要です。このスキルは、ClaudeがPyTDCを使用して、キュレーション済みの治療薬MLデータ、ベンチマーク分割、メトリクス、分子オラクルを扱うのに役立ちます。

タンパク質リガンドドッキングには、慎重なセットアップ、パラメータ選択、結果解釈が必要です。このスキルは、ポーズ、信頼度スコア、スクリーニングのためのDiffDockワークフローをガイドします。

研究者は観察結果を明確で検証可能な説明へと変換する必要があります。このスキルは、エビデンスレビュー、競合する仮説、予測、実験計画を構造化します。

検定の選択や結果の報告は時間がかかり、誤りが生じやすい作業です。このスキルは、検定の選択、前提条件、効果量、検出力分析、ベイズ的選択肢、APA形式での報告を支援します。

データ作業では、多くの場合、明確なクエリ、再現可能な変換、慎重な解釈が必要です。このスキルは、SQL、pandas、統計、データクリーニングのワークフローを支援します。

生データセットには、品質上の問題、傾向、弱い仮定が隠れていることがあります。このスキルは、再現可能な手順でプロファイリング、クリーニング、統計、可視化、レポート作成をガイドします。

データチームには、統計、機械学習、ビジネスレポーティングに関する体系的なガイダンスが必要です。このスキルは、Claude、Codex、Claude Code が分析を計画し、手法を検証し、実行可能な知見を説明するのに役立ちます。

チームは、仮説、指標、サンプルサイズの確認を確定しないまま実験を開始してしまうことがよくあります。このスキルは、妥当性と準備状況のゲートを設けてA/Bテストの設定を支援します。

公的統計では、分析前にエンティティ、変数、ソースメタデータを解決する必要があることがよくあります。このスキルは、Data Commonsのクエリと結果の準備について、Claude、Codex、Claude Codeをガイドします。

統計ワークフローは、不適切なモデル選択、不十分な診断、誤った解釈によって失敗することが少なくありません。このスキルは、信頼性の高い推論と予測のために、statsmodelsを用いた体系的なガイダンスを提供します。