Рейтинг скиллов
373 скилла. Оценка A–F складывается из безопасности (60%) и качества (40%), тесты дают бонус. Рейтинг пополняется автоматически из открытых каталогов.
ПроизводствоЛогистика и складЗакупки и снабжениеКачество и контрольКонтакт-центрВыездные работыФинансыПоддержка клиентовотраслевые подборки
| # | Оценка | Скилл | Баллы ▾ | Безоп. | Качество | Процесс | Тесты | Популярность | Обновлён |
|---|---|---|---|---|---|---|---|---|---|
| 101 | B | Дообучение LLM на GPU Google Colab напрямую из openscience. Подключается к средам выполнения Colab через WebSocket-мост для удаленного обучения с помощью Unsloth. Поддерживает рабочие процессы SFT, GR | 100 | 86 | C | — | ★ 3 914 | 15 ч назад | |
| 102 | B | Доступ и анализ исчерпывающей информации о лекарствах из базы данных DrugBank, включая свойства лекарств, взаимодействия, мишени, пути, химические структуры и фармакологические данные. Этот навык след | 100 | 86 | D | — | ★ 3 914 | 15 ч назад | |
| 103 | B | admet-predictionАнализаторДанные и аналитикаТексты и документыsynthetic-sciences/OpenScienceAgent Skills Прогнозирование свойств ADMET для кандидатов в лекарства. Полная фармакокинетическая панель (Caco-2, PPB, клиренс, CYP), токсичность (hERG, AMES, DILI), лекарствоподобность (Lipinski, QED) с использов | 100 | 84 | D | — | ★ 3 914 | 15 ч назад | |
| 104 | B | Доступ к фармакогеномным данным ClinPGx (преемник PharmGKB). Запрос взаимодействий ген-лекарство, рекомендаций CPIC, функций аллелей для персонализированной медицины и дозирования на основе генотипа. | 100 | 85 | C | — | ★ 3 914 | 15 ч назад | |
| 105 | B | liteparseПроцедураPowerPointWordРазработкаДанные и аналитикаsynthetic-sciences/OpenScienceAgent Skills Используйте этот навык, когда пользователь просит разобрать, выполнить преобразование документов в нескольких форматах или пространственно извлечь текст из неструктурированного файла (PDF, DOCX, PPTX, | 100 | 86 | B | — | ★ 3 914 | 15 ч назад | |
| 106 | B | Интерпретируемый анализ ADMET с механистическим обоснованием. Сопоставляет уязвимости со структурными причинами и биологическими путями. На основе CoTox (Park 2025) и DrugR (Liu 2026). | 100 | 85 | C | — | ★ 3 914 | 15 ч назад | |
| 107 | B | Низкоуровневая библиотека построения графиков для полной настройки. Используйте, когда вам нужен детальный контроль над каждым элементом графика, создание новых типов графиков или интеграция с конкрет | 100 | 85 | D | — | ★ 3 914 | 15 ч назад | |
| 108 | B | Получение структурно схожих соединений с известными свойствами из ChEMBL/ZINC для обоснования прогнозов и информирования оптимизации. На основе MolRAG (Xian 2025, ACL). | 100 | 85 | C | — | ★ 3 914 | 15 ч назад | |
| 109 | B | Доступ к базе данных Human Metabolome Database (более 220 тыс. метаболитов). Поиск по названию/ID/структуре, получение химических свойств, данных биомаркеров, спектров ЯМР/МС, путей для метаболомики и | 100 | 85 | C | — | ★ 3 914 | 15 ч назад | |
| 110 | B | Графовые нейронные сети (PyG). Классификация узлов/графов, предсказание связей, GCN, GAT, GraphSAGE, гетерогенные графы, предсказание молекулярных свойств для геометрического глубокого обучения. | 100 | 85 | D | — | ★ 3 914 | 15 ч назад | |
| 111 | B | Запрос REST API Fiscal Data Казначейства США для получения федеральных финансовых данных. API-ключ не требуется. Используйте для национального долга (Debt to the Penny), ежедневных и ежемесячных отчет | 95 | 92 | C | — | ★ 3 914 | 15 ч назад | |
| 112 | B | Создание, редактирование, анализ или преобразование электронных таблиц Excel (.xlsx, .xlsm, .xltx), где файл рабочей книги является основным результатом. Используйте для формул, форматирования, финанс | 95 | 92 | B | — | ★ 3 914 | 15 ч назад | |
| 113 | B | Предоставляет руководство по дообучению LLM с использованием облачного API обучения Tinker от Thinking Machines Lab. Используйте при выполнении контролируемого дообучения, обучения с подкреплением (GR | 100 | 86 | D | — | ★ 3 914 | 15 ч назад | |
| 114 | B | Фреймворк данных для создания LLM-приложений с RAG. Специализируется на приеме документов (более 300 коннекторов), индексации и запросах. Включает векторные индексы, движки запросов, агентов и поддерж | 100 | 85 | C | — | ★ 3 914 | 15 ч назад | |
| 115 | B | Машинное обучение на Python с scikit-learn. Используйте при работе с контролируемым обучением (классификация, регрессия), неконтролируемым обучением (кластеризация, снижение размерности), оценкой моде | 100 | 85 | D | — | ★ 3 914 | 15 ч назад | |
| 116 | B | Молекулярное ML с разнообразными фичерайзерами и готовыми наборами данных. Используйте для предсказания свойств (ADMET, токсичность) с помощью традиционного ML или GNN, когда вам нужны обширные возмож | 100 | 85 | D | — | ★ 3 914 | 15 ч назад | |
| 117 | B | Эффективное хранение и извлечение данных геномных вариаций с использованием TileDB. Масштабируемый прием VCF/BCF, инкрементальное добавление образцов, сжатое хранение, параллельные запросы и возможнос | 100 | 85 | D | — | ★ 3 914 | 15 ч назад | |
| 118 | B | Запрос к Precision Medicine Knowledge Graph (PrimeKG) для получения многомасштабных биологических данных, включая гены, лекарства, заболевания, фенотипы и многое другое. | 100 | 84 | D | — | ★ 3 914 | 15 ч назад | |
| 119 | B | База данных Therapeutics Data Commons. Наборы данных для открытия лекарств, готовые для ИИ (ADME, токсичность, DTI), эталонные тесты, разделение по каркасам, молекулярные оракулы для терапевтического | 95 | 92 | C | — | ★ 3 914 | 15 ч назад | |
| 120 | B | Инструментарий для хемоинформатики с детальным контролем молекул. Разбор SMILES/SDF, дескрипторы (MW, LogP, TPSA), отпечатки пальцев, поиск подструктур, генерация 2D/3D, подобие, реакции. Для стандарт | 100 | 85 | D | — | ★ 3 914 | 15 ч назад | |
| 121 | B | Стандартный конвейер анализа одноклеточной РНК-секвенирования. Используйте для контроля качества, нормализации, снижения размерности (PCA/UMAP/t-SNE), кластеризации, дифференциальной экспрессии и визу | 100 | 85 | D | — | ★ 3 914 | 15 ч назад | |
| 122 | B | Воспроизводит результат, утверждение, артефакт или предыдущий запуск из статьи с фиксированной целью и критерием успеха, канонический путь кода, запущенный до любой замены, точные входные данные, сред | 95 | 92 | C | — | ★ 3 914 | 15 ч назад | |
| 123 | B | Используйте этот инструмент при работе с символьной математикой в Python. Этот инструмент следует использовать для задач символьных вычислений, включая алгебраическое решение уравнений, выполнение опе | 98 | 89 | C | — | ★ 3 914 | 15 ч назад | |
| 124 | B | Байесовское моделирование с PyMC. Создание иерархических моделей, MCMC (NUTS), вариационное выведение, сравнение LOO/WAIC, проверка апостериорных распределений для вероятностного программирования и вы | 100 | 85 | D | — | ★ 3 914 | 15 ч назад | |
| 125 | B | Многомерная оценка тяжести состояния и прогнозирование гуманного конечного срока для лабораторных исследований на животных с использованием показателя RELSA (RELative Severity Assessment) и прогнозиро | 95 | 89 | C | — | ★ 3 914 | 15 ч назад | |
| 126 | B | Ускорение инференса LLM с использованием спекулятивного декодирования, нескольких голов Medusa и техник декодирования с упреждающим просмотром. Используйте при оптимизации скорости инференса (ускорени | 100 | 82 | C | — | ★ 3 914 | 15 ч назад | |
| 127 | B | Итеративная оптимизация лидов с циклом анализ-рассуждение-генерация-проверка-оценка. Основано на статьях (MT-Mol, DrugR, MultiMol). | 100 | 82 | C | — | ★ 3 914 | 15 ч назад | |
| 128 | B | Быстрые токенизаторы, оптимизированные для исследований и производства. Реализация на Rust токенизирует 1 ГБ менее чем за 20 секунд. Поддерживает алгоритмы BPE, WordPiece и Unigram. Обучайте пользоват | 100 | 82 | D | — | ★ 3 914 | 15 ч назад | |
| 129 | B | flow-cytometry-analysisПроцедураИнфраструктураДанные и аналитикаsynthetic-sciences/OpenScienceAgent Skills Полный конвейер анализа проточной цитометрии. Обработка файлов FCS, компенсация, ручное/автоматическое выделение, иммунофенотипирование, анализ пролиферации CFSE, анализ клеточного цикла (Dean-Jett-Fo | 100 | 82 | C | — | ★ 3 914 | 15 ч назад | |
| 130 | B | Отслеживайте ML-эксперименты с автоматическим логированием, визуализируйте обучение в реальном времени, оптимизируйте гиперпараметры с помощью sweeps и управляйте реестром моделей с помощью W&B — совм | 100 | 82 | C | — | ★ 3 914 | 15 ч назад | |
| 131 | B | Высокоуровневый фреймворк PyTorch с классом Trainer, автоматическим распределенным обучением (DDP/FSDP/DeepSpeed), системой обратных вызовов и минимальным количеством шаблонного кода. Масштабируется о | 100 | 82 | D | — | ★ 3 914 | 15 ч назад | |
| 132 | B | iso-13485-certificationПроцедураКачество и контрольТексты и документыsynthetic-sciences/OpenScienceAgent Skills Комплексный набор инструментов для подготовки документации для сертификации по ISO 13485 для систем менеджмента качества медицинских изделий. Используйте, когда пользователям нужна помощь с документац | 100 | 82 | D | — | ★ 3 914 | 15 ч назад | |
| 133 | B | iso-standards-readinessАнализаторКачество и контрольИИ и агентыsynthetic-sciences/OpenScienceAgent Skills Подготавливает и структурно проверяет доказательства готовности для стандартов систем менеджмента и компетентности лабораторий ISO — СМК медицинских изделий ISO 13485, управление рисками устройств ISO | 95 | 90 | C | — | ★ 3 914 | 15 ч назад | |
| 134 | B | Предоставляет руководство для исследований в области механистической интерпретируемости с использованием TransformerLens для проверки и манипулирования внутренними механизмами трансформера через HookP | 100 | 82 | D | — | ★ 3 914 | 15 ч назад | |
| 135 | B | Оптимизирует внимание трансформера с помощью Flash Attention для ускорения в 2–4 раза и снижения потребления памяти в 10–20 раз. Используйте при обучении/запуске трансформеров с длинными последователь | 100 | 82 | D | — | ★ 3 914 | 15 ч назад | |
| 136 | B | fine-tuning-with-trlПроцедураGitHubИИ и агентыПоддержка клиентовsynthetic-sciences/OpenScienceHermes Дообучайте LLM с использованием обучения с подкреплением с помощью TRL — SFT для инструктивного дообучения, DPO для согласования предпочтений, PPO/GRPO для оптимизации вознаграждения и обучения модели | 100 | 82 | D | — | ★ 3 914 | 15 ч назад | |
| 137 | B | Моделирование и анализ динамики микробных популяций. Подгонка кривых роста бактерий (логистическая, Гомпертца, Бараньи), динамика сообществ Лотки-Вольтерры, стохастическое моделирование по Гиллеспи, к | 100 | 82 | C | — | ★ 3 914 | 15 ч назад | |
| 138 | B | Выполняйте операции Hugging Face Hub с помощью CLI `hf`. Используйте, когда пользователю нужно скачать модели/наборы данных/пространства, загрузить файлы в репозитории Hub, создать репозитории, управл | 100 | 82 | D | — | ★ 3 914 | 15 ч назад | |
| 139 | B | Отслеживайте и визуализируйте эксперименты по обучению ML с помощью Trackio. Используйте при логировании метрик во время обучения (Python API) или при получении/анализе залогированных метрик (CLI). По | 100 | 82 | D | — | ★ 3 914 | 15 ч назад | |
| 140 | B | Анализ изображений микроскопии для клеточной биологии. Сегментация клеток (Cellpose, watershed), отслеживание объектов (trackpy), количественная оценка морфологии, подсчет колоний, анализ кокализации | 100 | 82 | C | — | ★ 3 914 | 15 ч назад | |
| 141 | B | Обучает большие языковые модели (от 2 до 462 миллиардов параметров) с использованием NVIDIA Megatron-Core с расширенными стратегиями параллелизма. Используйте при обучении моделей с более чем 1 миллиа | 100 | 82 | D | — | ★ 3 914 | 15 ч назад | |
| 142 | B | Объединяйте несколько дообученных моделей с помощью mergekit для совмещения возможностей без переобучения. Используйте при создании специализированных моделей путем смешивания знаний в предметной обла | 100 | 82 | C | — | ★ 3 914 | 15 ч назад | |
| 143 | B | Извлекает, версионирует и публикует научные наборы данных с помощью DataLad и git-annex, а также фиксирует вычислительное происхождение с помощью datalad run, rerun и containers-run. Используйте при к | 95 | 89 | C | — | ★ 3 914 | 15 ч назад | |
| 144 | B | Квантует LLM до 8-бит или 4-бит для снижения потребления памяти на 50–75 % с минимальной потерей точности. Используйте, когда память GPU ограничена, нужно разместить большие модели или требуется более | 100 | 82 | D | — | ★ 3 914 | 15 ч назад | |
| 145 | B | Ускоренная GPU обработка данных для обучения LLM. Поддерживает текст/изображения/видео/аудио. Функции нечеткого дедупликации (в 16 раз быстрее), фильтрации качества (30+ эвристик), семантической дедуп | 100 | 82 | C | — | ★ 3 914 | 15 ч назад | |
| 146 | B | Быстрая библиотека DataFrame в памяти для наборов данных, помещающихся в ОЗУ. Используйте, когда pandas слишком медленный, но данные все еще помещаются в память. Ленивые вычисления, параллельное выпол | 100 | 82 | D | — | ★ 3 914 | 15 ч назад | |
| 147 | B | Независимый от языка токенизатор, обрабатывающий текст как необработанный Unicode. Поддерживает алгоритмы BPE и Unigram. Быстрый (50 тыс. предложений/сек), легкий (6 МБ памяти), детерминированный слов | 100 | 82 | C | — | ★ 3 914 | 15 ч назад | |
| 148 | B | skypilot-multi-cloud-orchestrationПроцедураAWSGoogle CloudИнфраструктураsynthetic-sciences/OpenScienceHermes Мультиоблачная оркестровка для ML-рабочих нагрузок с автоматической оптимизацией затрат. Используйте, когда вам нужно запускать задачи обучения или пакетные задачи в нескольких облаках, использовать с | 100 | 82 | D | — | ★ 3 914 | 15 ч назад | |
| 149 | B | Расширяет контекстные окна трансформерных моделей с использованием техник RoPE, YaRN, ALiBi и интерполяции позиций. Используйте при обработке длинных документов (32k-128k+ токенов), расширении предвар | 100 | 82 | D | — | ★ 3 914 | 15 ч назад | |
| 150 | B | Этот навык следует использовать при работе с предварительно обученными трансформерными моделями для задач обработки естественного языка, компьютерного зрения, аудио или мультимодальных задач. Использу | 100 | 82 | C | — | ★ 3 914 | 15 ч назад |
Описания переведены автоматически; оригинал — на странице скилла.