수동 작업 없이 이미지에서 의미를 추출합니다. 이 스킬은 사진, 스크린샷, 차트 및 목업을 MiniMax vision MCP를 사용하여 분석하여 자세한 설명, 텍스트 추출 및 디자인 피드백을 제공합니다.

형식 손실 없이, 금융 등급 스타일링, 수식 검증을 통해 전문적인 Excel 스프레드시트(.xlsx, .xlsm, CSV)를 생성, 읽기, 편집, 검증, 서식 지정하세요 -- 모든 것이 openpyxl의 파괴적인 라운드트립 동작 없이.

이 스킬은 Search, Speech, OpenAI, Vision, Translation, Document Intelligence를 포함한 Azure AI 서비스에 대한 종합 문서와 SDK 참조를 제공합니다. 개발자가 AI 솔루션에 적합한 API와 코드 패턴을 빠르게 찾을 수 있도록 도와줍니다.

AI 로 생성된 이미지와 비디오를 만들려면 일반적으로 복잡한 플랫폼을 탐색하고 상세한 프롬프트를 작성해야 합니다. 이 스킬은 liblib.tv 의 API 에 직접 연결하여 자연어 명령으로 비주얼 콘텐츠를 생성하고 편집할 수 있게 해줍니다.

수동 스키마 설계는 오류가 발생하기 쉽고 시각화하기 어렵습니다. DB Craft는 로컬 시각적 작업 공간을 제공하여 MySQL, PostgreSQL, SQLite 및 MSSQL 스키마를 AI 지원과 함께 설계한 후 프로덕션 준비가 된 SQL을 내보냅니다.

ZINC 데이터베이스는 약물 발견 연구를 위한 230M+ 구매 가능한 화합물을 포함하고 있습니다. 이 기술은 ZINC ID, SMILES 또는 공급자 코드로 검색하고, 3D 구조를 검색하며, 가상 스크리닝 및 분자 도킹 연구를 위한 유사성 검색을 프로그래밍 방식으로 수행할 수 있습니다.

메모리 한계를 초과하는 대규모 데이터셋 작업. Zarr-python은 압축을 사용한 청크 배열 저장을 지원하여 효율적인 클라우드 네이티브 과학 컴퓨팅 워크플로우를 가능하게 합니다.

이 스킬은 수식, 서식 및 데이터 분석을 사용하여 Excel 스프레드시트를 생성, 편집 및 분석할 수 있습니다. 또한 수식을 다시 계산하고 게시물 품질 출력을 위해 오류가 0개인지 확인합니다.

RAM을 초과하는 대규모tabular 데이터셋 처리는 전문적인 도구가 필요합니다. Vaex는 코어 외부 DataFrame 연산, 지연 평가 및 메모리에 비해 너무 큰 데이터셋에서 초당 수십억 행의 처리를 가능하게 합니다. 천문학적 데이터, 금융 시계열 및 대규모 과학 분석에 적합합니다.

고차원 데이터는 시각화와 분석이 어렵습니다. UMAP는 구조를 유지하면서 차원을 축소하여 명확한 2D/3D 시각화와 더 나은 클러스터링 결과를 가능하게 합니다.

그래프 신경망은 약물 발견, 소셜 네트워크 분석, 추천 시스템과 같은 현대적 애플리케이션을 구동합니다. 이 스킬은 PyTorch Geometric로 GNN을 구현하기 위한 즉시 사용 가능한 템플릿과 문서를 제공합니다.

수치적 근사값 대신 정확한 수학적 결과가 필요하십니까? 이 기술은 Python SymPy 라이브러리를 사용한 기호 대수, 미적분학, 방정식求解, 행렬 연산 및 물리학 계산에 대한 포괄적인 안내를 제공합니다.

OLS, GLM, ARIMA 및 이산 선택 모델을 사용하여 엄격한 통계 분석을 수행합니다. 전체 진단, 계수 테이블 및 잔차 분석과 함께 출판 준비가 완료된 결과를 얻으세요.

어떤 통계 검정을 사용해야 할지 고민하는 것을 멈추세요. 데이터에 맞는 검정 선택, 가정 확인, APA 형식의 결과를 얻으세요. 엄격한 통계 분석이 필요한 학생과 연구자에게 완벽합니다.

SimPy를 사용하면 프로세스, 큐 및 공유 리소스로 복잡한 시스템을 모델링할 수 있습니다. 제조 라인, 서비스 운영, 네트워크 트래픽 및 물류의 시뮬레이션을 수행하여 구현 전에 성능을 최적화합니다.

기계 학습 모델은 종종 블랙박스로 작동합니다. SHAP는 게임 이론의 Shapley 값을 사용하여 각 특성의 기여도를 계산함으로써 모든 모델 예측을 설명하는 통합 프레임워크를 제공합니다. 이 스킬을 사용하여 특성 중요도를 시각화하고, 모델 동작을 디버그하며, 설명 가능한 AI를 구현하세요.

생존 분석은 모든 피험자에 대해 사건이 발생하지 않은 데이터를 처리합니다. 이 스킬은 절단 데이터와 함께 Cox 모델, 랜덤 생존 숲, SVM 및 일치성 지수와 같은 특수 평가 지표를 사용하여 사건 발생 시각 모델링을 위한 Python 도구를 제공합니다.

생물학적 시퀀스를 처리하고, 다양성 지표를 계산하며, 마이크로바이옴 및 생태 데이터에 대한 통계적 검정을 수행합니다. 이 스킬은 시퀀스 정렬, 계통 분석, 정렬 분석을 포함한 생물정보학 워크플로우에 대한 포괄적인 안내를 제공합니다.

단일세포 RNA 시퀀싱은 전문적인 분석이 필요한 복잡한 데이터셋을 생성합니다. 이 스킬은 단일세포 유전자 발현 데이터의 품질 관리, 차원 축소, 클러스터링, 시각화를 위한 완전한 워크플로를 제공합니다.

Reactome 데이터베이스를 사용하여 생물학적 경로 및 유전자 목록을 분석합니다. 경로 풍부도 분석 수행, 유전자 매핑, 시스템 생물학 연구를 위한 분자 상호작용 탐색.