작성자 K-Dense-AI
Python에서 생존 분석과 이벤트 발생 시간(time-to-event) 모델링을 위한 scikit-survival 스킬입니다. 검열 데이터, Cox 모델, 랜덤 서바이벌 포레스트, 그래디언트 부스팅, Survival SVM, 그리고 concordance index와 Brier score 같은 생존 지표를 다룰 때 이 가이드를 활용하세요.
작성자 K-Dense-AI
scikit-learn은 Python에서 전통적인 머신러닝 워크플로를 구축할 수 있게 도와줍니다. 이 scikit-learn 스킬은 분류, 회귀, 클러스터링, 전처리, 모델 평가, 하이퍼파라미터 튜닝, 파이프라인 구성에 활용할 수 있습니다. 표 형식 데이터와 반복 가능한 모델 개발에 적합한 실용적인 scikit-learn 가이드입니다.
작성자 K-Dense-AI
molfeat은 ML과 데이터 분석을 위한 분자 피처화 스킬입니다. SMILES나 RDKit 분자를 fingerprint, descriptor, pretrained embedding으로 변환해 QSAR, virtual screening, similarity search, chemical space analysis에 활용할 수 있습니다. 이 molfeat 가이드는 실무에 맞는 표현 방식을 고르고 재사용 가능한 피처화 파이프라인을 만드는 데 도움을 줍니다.
작성자 K-Dense-AI
geniml은 BED 파일, scATAC-seq 출력, 그리고 염색질 접근성 데이터에 대한 유전체 구간 머신러닝용 스킬입니다. Region2Vec, BEDspace, scEmbed, consensus peaks 등 구간 수준 ML 워크플로에 활용할 수 있습니다. 유전체 구간의 임베딩, 클러스터링, 전처리 가이드가 필요할 때 적합합니다.
작성자 K-Dense-AI
aeon은 시계열 머신러닝을 위한 scikit-learn 호환 Python 스킬입니다. 분류, 회귀, 군집화, 예측, 이상 탐지, 세분화, 유사도 검색 등 다양한 시계열 데이터 워크플로에 활용할 수 있습니다. 일반적인 표 형식 ML로는 부족하고, 단변량·다변량 분석에 특화된 방법이 필요할 때 적합합니다.
