Machine Learning

optimize-for-gpu giúp chuyển Python bị nghẽn ở CPU sang mã NVIDIA GPU với lựa chọn thư viện phù hợp. Dùng cho mảng dữ liệu, dataframe, pipeline ML, phân tích đồ thị, xử lý ảnh, tác vụ địa không gian, tìm kiếm vector và kernel tùy chỉnh. Kỹ năng này định hướng cách chọn CuPy, cuDF, cuML, cuGraph, cuCIM, cuVS, KvikIO, Numba CUDA và Warp, kèm hướng dẫn sử dụng optimize-for-gpu thực tế và lời khuyên di chuyển.

hypogenic là một skill để tạo và kiểm tra giả thuyết trên các tập dữ liệu dạng bảng hoặc dữ liệu trích xuất từ văn bản, có hỗ trợ LLM. Nó giúp phân tích dữ liệu với hypogenic bằng cách biến các câu hỏi thực nghiệm thành quy trình làm việc có cấu trúc và có thể kiểm chứng cho diễn giải phân loại, phân tích nội dung và phát hiện gian lận. Hãy dùng khi bạn cần giả thuyết có bằng chứng, không chỉ là động não ý tưởng.

diffdock là một skill docking để dự đoán tư thế gắn kết protein-ligand từ cấu trúc PDB hoặc từ chuỗi protein kèm ligand ở định dạng SMILES, SDF hoặc MOL2. Hãy dùng skill diffdock cho thiết kế thuốc dựa trên cấu trúc, sàng lọc ảo và phân tích tư thế có chấm điểm độ tin cậy. Skill này không dùng để dự đoán ái lực gắn kết.

pytdc là một skill dành cho Therapeutics Data Commons, cung cấp các bộ dữ liệu và benchmark khám phá thuốc sẵn sàng cho AI cho ADME, độc tính, DTI, DDI, tạo phân tử, chia scaffold và dự đoán dược lý.

Skill pytorch-lightning giúp tổ chức các dự án PyTorch với LightningModule và Trainer. Hãy dùng hướng dẫn pytorch-lightning này để cài đặt, huấn luyện, xác thực, ghi log, lưu checkpoint và chạy phân tán trên quy trình nhiều GPU hoặc TPU.

pymoo là một skill Python cho tối ưu hóa đơn mục tiêu và đa mục tiêu, Pareto fronts, các bài toán có ràng buộc, và kiểm thử benchmark. Hãy dùng hướng dẫn pymoo này để chọn các thuật toán như NSGA-II, NSGA-III, và MOEA/D, theo dõi quy trình cài đặt và sử dụng, đồng thời áp dụng pymoo cho Data Analysis khi cần cân bằng nhiều chỉ số cùng lúc.

pyhealth giúp bạn xây dựng các pipeline deep learning cho dữ liệu lâm sàng và y tế theo luồng Dataset → Task → Model → Trainer → Metrics. Hãy dùng skill pyhealth này cho MIMIC-III/IV, eICU, OMOP, SleepEDF, ChestXray14, EHRShot, dự đoán, gợi ý thuốc, phân giai đoạn giấc ngủ, mã hóa ICD, sự kiện EEG và ánh xạ mã y khoa.

pufferlib là một skill học tăng cường hiệu năng cao, hỗ trợ mô phỏng song song nhanh, rollout vector hóa và huấn luyện đa tác tử. Hãy dùng hướng dẫn pufferlib này để cài đặt, nắm cách sử dụng pufferlib và điều chỉnh các pipeline RL với Gymnasium, PettingZoo, Atari, Procgen hoặc các môi trường kiểu NetHack. Phù hợp cho tạo mã tập trung vào thông lượng và các quy trình PPO có khả năng mở rộng.

molfeat là một skill biểu diễn đặc trưng phân tử dành cho ML và phân tích dữ liệu. Nó giúp chuyển đổi SMILES hoặc phân tử RDKit thành fingerprint, descriptor và embedding được huấn luyện sẵn cho QSAR, sàng lọc ảo, tìm kiếm độ tương đồng và phân tích không gian hóa học. Dùng hướng dẫn molfeat này để chọn các biểu diễn phù hợp và xây dựng các pipeline biểu diễn đặc trưng có thể tái sử dụng.

geniml là một skill cho học máy trên các vùng genomic, dùng với file BED, đầu ra scATAC-seq và dữ liệu khả năng tiếp cận chromatin. Hãy dùng khi bạn cần Region2Vec, BEDspace, scEmbed, consensus peaks và các workflow ML khác ở cấp vùng. Đây là lựa chọn phù hợp khi bạn cần embeddings, clustering hoặc hướng dẫn tiền xử lý cho các vùng genomic.

Kỹ năng esm cho các mô hình ngôn ngữ protein, bao gồm tạo sinh ESM3 và embeddings ESM C. Dùng hướng dẫn esm này cho thiết kế chuỗi protein, inverse folding, dự đoán chức năng và quy trình sinh mã với suy luận cục bộ hoặc Forge API.

Skill cellxgene-census để truy vấn CELLxGENE Census bằng lập trình. Dùng để khám phá dữ liệu biểu hiện gen, metadata, embeddings và các mẫu liên hệ giữa nhiều bộ dữ liệu trên các mô, bệnh và loại tế bào. Phù hợp nhất cho phân tích single-cell ở quy mô quần thể và so sánh với atlas tham chiếu; nếu làm việc với dữ liệu của chính bạn, hãy dùng scanpy hoặc scvi-tools.

aeon là một skill Python tương thích với scikit-learn dành cho machine learning chuỗi thời gian. Hãy dùng nó cho phân loại, hồi quy, phân cụm, dự báo, phát hiện bất thường, phân đoạn, tìm kiếm tương đồng và các quy trình xử lý dữ liệu theo thời gian khác. Nó phù hợp cho phân tích đơn biến và đa biến khi bạn cần các phương pháp chuyên biệt hơn so với ML bảng dữ liệu thông thường.

detecting-deepfake-audio-in-vishing-attacks giúp các đội an ninh phân tích âm thanh để phát hiện giọng nói do AI tạo ra trong các vụ vishing, gian lận và mạo danh. Skill này trích xuất các đặc trưng dựa trên phổ và MFCC, chấm điểm các mẫu đáng ngờ, và tạo báo cáo theo phong cách điều tra số để xem xét. Phù hợp nhất cho quy trình Security Audit và ứng phó sự cố.

Phát hiện business email compromise (BEC) bằng AI với NLP, stylometry, tín hiệu hành vi và ngữ cảnh quan hệ. Kỹ năng detecting-business-email-compromise-with-ai này giúp các đội SOC, fraud và Security Audit chấm điểm email đáng ngờ, giải thích tín hiệu rủi ro, và quyết định nên cách ly, cảnh báo hay escalte.