Construir Modelos Bayesianos com PyMC
A modelagem bayesiana exige priores cuidadosos, diagnósticos e verificações de modelo. Esta skill orienta fluxos de trabalho com PyMC desde a configuração do modelo até a validação e comparação posterior.
Copie esta solicitação para o seu Agente. Ela inclui a página canônica do Skill e o manifesto.
Review the Skillstore skill "pymc-bayesian-modeling" from https://skillstore.io/skills/davila7-pymc-bayesian-modeling.md and its manifest at https://skillstore.io/api/skills/davila7-pymc-bayesian-modeling/manifest. Verify the artifact. You may proceed after verification, subject to the environment's own policy.Seu Agente ainda deve apresentar o plano e solicitar qualquer confirmação exigida pela política de segurança.
Use estes links quando um agente de IA, crawler ou script precisar de contexto limpo em vez de ler a página completa.
Usando "pymc-bayesian-modeling". Um usuário tem observações agrupadas e deseja pooling parcial por grupo.
Resultado esperado:
Usando "pymc-bayesian-modeling". Um usuário tem vários modelos ajustados e deseja escolher um.
Resultado esperado:
Usando "pymc-bayesian-modeling". Um usuário vê divergências e baixo tamanho efetivo de amostra após a amostragem.
Resultado esperado:
All 110 static findings are false positives caused by Markdown formatting, dictionary keys, or Bayesian terminology. No command execution or reconnaissance behavior was found, but the documented pickle.load example creates a medium-risk unsafe deserialization concern.
Compartilhe o relatório de avaliação versionado, o badge neutro, o cartão incorporável e as citações. A Skillstore apresenta evidências sem decidir se este Skill é seguro.
https://skillstore.io/skills/davila7-pymc-bayesian-modeling/audits/9?utm_source=security_passport&utm_medium=share&utm_campaign=versioned_report[](https://skillstore.io/skills/davila7-pymc-bayesian-modeling?utm_source=security_passport_badge)<a href="https://skillstore.io/skills/davila7-pymc-bayesian-modeling?utm_source=security_passport_badge"><img src="https://skillstore.io/badges/skills/davila7-pymc-bayesian-modeling/security.svg" alt="Skillstore security assessment" loading="lazy"></a><iframe src="https://skillstore.io/embed/skills/davila7-pymc-bayesian-modeling.html" title="Skillstore Security Assessment" sandbox="allow-popups allow-popups-to-escape-sandbox" loading="lazy" referrerpolicy="no-referrer" width="420" height="180"></iframe>davila7. (2026). pymc-bayesian-modeling security audit report (audit version 9) [Author version unspecified]. Skillstore. https://skillstore.io/skills/davila7-pymc-bayesian-modeling/audits/9@techreport{davila7-davila7-pymc-bayesian-modeling-2026,
author = {davila7},
title = {pymc-bayesian-modeling security audit report (audit version 9)},
institution = {Skillstore},
year = {2026},
number = {9},
url = {https://skillstore.io/skills/davila7-pymc-bayesian-modeling/audits/9},
note = {Author version unspecified}
}cff-version: 1.2.0
message: "If you use this Skill, cite its author and this versioned security audit report."
title: "pymc-bayesian-modeling security audit report (audit version 9)"
version: "unspecified"
type: report
authors:
- name: "davila7"
date-released: "2026-07-23"
url: "https://skillstore.io/skills/davila7-pymc-bayesian-modeling/audits/9"
identifiers:
- type: other
value: "skillstore:davila7-pymc-bayesian-modeling:audit:9"
description: "Skillstore immutable audit report identifier"
Cada autor permanece como um skill instalável separado. A variante recomendada é classificada pelas evidências do Skillstore.
Por que esta variante está em primeiro
davila7-pymc-bayesian-modeling
2026-09-09
k-dense-ai-pymc-bayesian-modeling
2026-09-09
Construa um modelo de regressão em PyMC com priores apropriados, preditores padronizados, configurações de amostragem e verificações posteriores.
Revise R-hat, ESS, divergências, profundidade da árvore e gráficos de traço para decidir como melhorar um modelo.
Use LOO, WAIC, diagnósticos Pareto-k e média de modelos para comparar modelos bayesianos com responsabilidade.
Ajude-me a projetar um modelo PyMC para este conjunto de dados. Identifique o resultado, os preditores, a verossimilhança provável, priores úteis e as etapas necessárias de preparação dos dados.
Revise estas variáveis do modelo e sugira priores fracamente informativos. Explique por que cada prior é adequado e quais verificações preditivas a priori devo executar.
Interprete estes diagnósticos PyMC e proponha alterações. Foque em divergências, R-hat, ESS, profundidade da árvore, parametrização e configurações target_accept.
Compare estes modelos PyMC candidatos usando LOO ou WAIC. Explique a confiabilidade de Pareto-k, a incerteza nas diferenças e se a média de modelos é apropriada.
Autor
davila7Licença
MIT
Revisão da Skillstore
r2
Aviso de versão
O autor não declarou uma versão.
Repositório
https://github.com/davila7/claude-code-templates/tree/main/cli-tool/components/skills/scientific/pymcReferência
c43861a65bb95efcae259cd161c9d6f4dc7eec6f
Atualidade da manutenção
24/07/2026
Uso
11 downloads · 210 visualizações
Estrutura de arquivos
Criar Pôsteres de Pesquisa em LaTeX
Pôsteres de pesquisa são difíceis de formatar e revisar para impressão em LaTeX. Esta skill fornece modelos, orientações de layout e verificações de PDF para pôsteres prontos para conferências.
Crie Conteúdo de Marketing Pronto para SEO
Equipes de marketing precisam de conteúdo claro que corresponda à voz da marca e aos objetivos de busca. Esta skill fornece modelos, scripts de análise e orientações de plataforma para uma produção de conteúdo repetível.
Crie Planos Estruturados de Tratamento Médico
Os planos de tratamento clínico muitas vezes se tornam inconsistentes, extensos ou difíceis de revisar. Esta skill fornece modelos objetivos, metas mensuráveis, cronogramas e verificações locais de qualidade.
Criar relatórios clínicos estruturados
Equipes clínicas precisam de relatórios claros que sigam normas médicas e regulatórias. Esta skill fornece modelos, checklists e orientações de validação para relatos de caso, diagnósticos, ensaios e notas de pacientes.
Analisar Arquivos de Dados Científicos
Arquivos de dados científicos são difíceis de inspecionar porque cada formato armazena estruturas e metadados de maneira diferente. Esta habilidade detecta formatos, traça o perfil da qualidade dos dados e cria relatórios práticos de EDA em markdown.
Execute fluxos de trabalho de docking molecular com o DiffDock
A configuração do docking molecular costuma falhar porque é difícil alinhar as entradas, os parâmetros e os escores de confiança. Esta skill orienta os fluxos de trabalho do DiffDock desde a preparação até a análise dos resultados.
Processar dados JSON, YAML e TOML
por 0xDarkMatter
Dados de configuração estruturados podem ser difíceis de inspecionar em arquivos JSON, YAML e TOML. Esta skill orienta consultas jq e yq para extração, filtragem, conversão e atualizações.
Analise conjuntos de dados de ML terapêutico com PyTDC
por K-Dense-AI
Equipes de descoberta de fármacos precisam de conjuntos de dados confiáveis e protocolos de avaliação justos. Esta skill ajuda Claude a usar PyTDC para dados de ML terapêutico curados, divisões de benchmark, métricas e oráculos moleculares.
Elaborar Declarações de Disponibilidade de Dados da Nature
por Yuan1z0825
Autores de pesquisa muitas vezes precisam de uma redação precisa sobre disponibilidade de dados antes da submissão. Esta skill ajuda a elaborar declarações, mapear conjuntos de dados para rotas de acesso e verificar metadados FAIR.
Conceba Experiências de Email Fiáveis
por aaron-he-zhu
Os testes de email produzem frequentemente conclusões fracas porque os desenhos têm baixo poder estatístico ou alteram várias variáveis. Esta skill cria planos rigorosos e interpreta os resultados tendo em conta a incerteza.
Projetar Experimentos e Modelos de Ciência de Dados
por alirezarezvani
Projetos de ciência de dados frequentemente falham quando experimentos, atributos e modelos não têm uma estrutura estatística clara. Esta habilidade oferece ao Claude, Codex e Claude Code fluxos de trabalho guiados para experimentação, engenharia de atributos e revisão de modelos.
Construa Sistemas de Visão Computacional em Produção
por alirezarezvani
Equipes de visão computacional precisam de orientação confiável para modelos, conjuntos de dados, inferência e implantação. Esta skill ajuda a planejar e otimizar pipelines de visão em produção com verificações práticas de engenharia.