Работа с большими наборами данных, превышающими пределы памяти. Zarr-python обеспечивает хранение массивов по чанкам с компрессией для эффективных облачно-ориентированных рабочих процессов научных вычислений.

Этот навык позволяет создавать, редактировать и анализировать электронные таблицы Excel с формулами, форматированием и анализом данных. Он также пересчитывает формулы и проверяет отсутствие ошибок для получения результатов публикационного качества.

Академическая публикация требует строгого соблюдения формата. Этот навык предоставляет готовые к использованию шаблоны LaTeX и подробные требования для более чем 50 ведущих журналов, конференций и агентств по грантам. Получайте идеально отформатированные документы без ручного поиска шаблонов.

Обработка больших табличных наборов данных, превышающих объём оперативной памяти, требует специализированных инструментов. Vaex обеспечивает операции DataFrame за пределами ядра, ленивые вычисления и обработку миллиарда строк в секунду для наборов данных, слишком больших для памяти. Идеально подходит для астрономических данных, финансовых временных рядов и крупномасштабного научного анализа.

Доступ к комплексным базам данных патентов и товарных знаков USPTO. Поиск по ключевым словам, изобретателям или правопреемникам. Получение истории экспертизы, назначений, цитат и офисных действий для исследования ИС и поиска предшествующего уровня техники.

Поиск в базах данных белков, получение последовательностей и сопоставление идентификаторов между биологическими базами данных. Этот навык обеспечивает прямой доступ к UniProt — всеобъемлющему ресурсу информации о белковых последовательностях и функциях.

Создание профессиональных планов медицинского лечения в формате LaTeX для любой клинической специальности. Включает рекомендации по соответствию HIPAA, структуры целей SMART и инструменты проверки для документирования помощи пациенту.

Данные высокой размерности сложно визуализировать и анализировать. UMAP снижает размерность с сохранением структуры, обеспечивая четкую 2D/3D визуализацию и улучшенные результаты кластеризации.

Забудьте о сложной настройке ML-моделей. Этот навык дает мгновенный доступ к тысячам предобученных трансформерных моделей для задач с текстом, изображениями и аудио через простые команды.

Графовые нейронные сети лежат в основе современных приложений, таких как поиск лекарств, анализ социальных сетей и рекомендательные системы. Этот навык предоставляет готовые шаблоны и документацию для реализации GNN с PyTorch Geometric.

Создавайте и обучайте графовые нейронные сети для разработки лекарств, моделирования белков и прогнозирования молекулярных свойств. Этот навык предоставляет исчерпывающую документацию по библиотеке TorchDrug, включая наборы данных, архитектуры моделей и рабочие процессы.

Вам нужны точные математические результаты вместо численных аппроксимаций. Этот навык предоставляет исчерпывающее руководство по символьной алгебре, вычислениям, решению уравнений, матричным операциям и физическим расчётам с использованием библиотеки Python SymPy.

Проводите строгий статистический анализ с использованием OLS, GLM, ARIMA и моделей дискретного выбора. Получайте результаты, готовые к публикации, с полной диагностикой, таблицами коэффициентов и анализом остатков.

Исследователям необходимо понимать белок-белковые взаимодействия для изучения биологических систем и механизмов заболеваний. Этот навык обеспечивает прямой доступ к комплексной базе данных STRING, содержащей 59 млн белков и более 20 млрд взаимодействий более чем для 5000 видов.

Перестаньте угадывать, какой статистический тест использовать. Получите руководство по выбору тестов, проверке допущений и результаты в формате APA для ваших исследовательских данных. Идеально подходит для студентов и исследователей, которым нужен строгий статистический анализ.

ИИ-навык для Claude, Codex и Claude Code

SimPy позволяет моделировать сложные системы с процессами, очередями и общими ресурсами. Симулируйте производственные линии, сервисные операции, сетевой трафик и логистику для оптимизации производительности перед внедрением.

Модели машинного обучения часто работают как черные ящики. SHAP предоставляет единый подход для объяснения любого предсказания модели, вычисляя вклад признаков с использованием значений Шепли из теории игр. Используйте этот навык, чтобы визуализировать важность признаков, отлаживать поведение модели и внедрять объяснимый ИИ.

Создание статистических визуализаций публикационного качества требует значительного объема шаблонного кода и множества дизайнерских решений. Этот навык предоставляет оптимизированный доступ к функциям библиотеки seaborn для построения box plot, violin plot, heatmap и pair plot с привлекательными настройками по умолчанию и интеграцией с pandas.

Анализ выживаемости работает с данными, в которых события могли не произойти для всех субъектов. Этот навык предоставляет инструменты Python для моделирования времени до события с цензурированными данными с использованием моделей Кокса, случайных лесов выживаемости, SVM и специализированных метрик оценки, таких как индекс конкордантности.