Scikit Learn

senior-data-scientist là một Claude skill dành cho thiết kế A/B test, suy luận nhân quả, feature engineering và đánh giá tabular ML. Dùng skill này để định hướng tính cỡ mẫu, chọn metric, kiểm tra leakage, rà soát SHAP và theo dõi kiểu MLflow; các script chỉ là mẫu scaffold, không phải engine hoàn chỉnh.

Skill scikit-survival cho phân tích sống sót và mô hình hóa thời gian đến sự kiện bằng Python. Dùng hướng dẫn này cho dữ liệu kiểm duyệt, mô hình Cox, random survival forests, gradient boosting, Survival SVM và các thước đo như concordance index, Brier score.

scikit-learn giúp bạn xây dựng các quy trình machine learning cổ điển trong Python. Hãy dùng kỹ năng scikit-learn này cho phân loại, hồi quy, phân cụm, tiền xử lý, đánh giá mô hình, tinh chỉnh siêu tham số và pipelines. Đây là hướng dẫn scikit-learn thực tế cho dữ liệu bảng và phát triển mô hình có thể lặp lại.

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.

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.