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 |
|---|---|---|---|---|---|---|---|---|---|
| 151 | B | Самый простой API для распределенного обучения. 4 строки для добавления распределенной поддержки в любой скрипт PyTorch. Единый API для DeepSpeed/FSDP/Megatron/DDP. Автоматическое размещение устройств | 100 | 82 | D | — | ★ 3 914 | 16 ч назад | |
| 152 | B | distributed-llm-pretraining-torchtitanПроцедураGitHubИИ и агентыsynthetic-sciences/OpenScienceHermes Предоставляет нативную для PyTorch распределенную предварительную тренировку LLM с использованием torchtitan и 4D-параллелизма (FSDP2, TP, PP, CP). Используйте при предварительной тренировке Llama 3.1 | 100 | 82 | D | — | ★ 3 914 | 16 ч назад | |
| 153 | B | Распределенные вычисления для рабочих процессов pandas/NumPy, превышающих объем ОЗУ. Используйте, когда вам нужно масштабировать существующий код pandas/NumPy за пределы памяти или по кластерам. Лучше | 100 | 82 | D | — | ★ 3 914 | 16 ч назад | |
| 154 | B | docxГенераторWordGoogle DocsТексты и документыДанные и аналитикаsynthetic-sciences/OpenScienceAgent Skills Используйте этот навык всякий раз, когда пользователь хочет создавать, читать, редактировать или манипулировать документами Word (.docx файлы) или шаблонами Word (.dotx файлы). Триггеры включают: любо | 100 | 83 | C | — | ★ 3 914 | 16 ч назад | |
| 155 | B | Оркестровка распределенного обучения по кластерам. Масштабирует PyTorch/TensorFlow/HuggingFace от ноутбука до тысяч узлов. Встроенная настройка гиперпараметров с Ray Tune, отказоустойчивость, эластичн | 100 | 82 | D | — | ★ 3 914 | 16 ч назад | |
| 156 | B | Статистическая визуализация с интеграцией pandas. Используйте для быстрой разведки распределений, взаимосвязей и категориальных сравнений с привлекательными настройками по умолчанию. Лучше всего подхо | 100 | 82 | D | — | ★ 3 914 | 16 ч назад | |
| 157 | B | Предсказание сайтов гликозилирования и анализ гликобиологии. Поиск мотивов N-гликозилирования, предсказание горячих точек O-гликозилирования, ресурсы гликан-структур. Легкий, чистый Python. Для запрос | 100 | 82 | C | — | ★ 3 914 | 16 ч назад | |
| 158 | B | Записывает трассировку и отчет для анализа, выходные данные которого будет оценивать читатель, повторяя вопрос с его связывающими условиями, записывая происхождение данных, метод с каждым важным парам | 100 | 83 | C | — | ★ 3 914 | 16 ч назад | |
| 159 | B | Отвечает на сфокусированный фактический или технический вопрос из текущих источников со ссылками, определением, числом, происхождением метода, поведением библиотеки, тем, что обнаружила конкретная ста | 100 | 83 | C | — | ★ 3 914 | 16 ч назад | |
| 160 | B | Используйте этот навык всякий раз, когда пользователь хочет что-либо сделать с PDF-файлами. Это включает чтение или извлечение текста/таблиц из PDF, объединение или слияние нескольких PDF в один, разд | 100 | 82 | C | — | ★ 3 914 | 16 ч назад | |
| 161 | B | Создает исследовательские постеры с использованием HTML/CSS, которые можно экспортировать в PDF или PPTX. Используйте этот навык ТОЛЬКО тогда, когда пользователь явно запрашивает формат постера PowerP | 95 | 90 | C | — | ★ 3 914 | 16 ч назад | |
| 162 | B | Фреймворк для создания приложений на основе LLM с агентами, цепочками и RAG. Поддерживает несколько поставщиков (OpenAI, Anthropic, Google), 500+ интеграций, агентов ReAct, вызовы инструментов, управл | 100 | 82 | D | — | ★ 3 914 | 16 ч назад | |
| 163 | B | Платформа наблюдаемости LLM для трассировки, оценки и мониторинга. Используйте при отладке LLM-приложений, оценке выходных данных модели по наборам данных, мониторинге производственных систем или созд | 100 | 82 | D | — | ★ 3 914 | 16 ч назад | |
| 164 | B | Реализация образовательного GPT примерно в 300 строк. Воспроизводит GPT-2 (124M) на OpenWebText. Чистый, легко модифицируемый код для изучения трансформеров. От Andrej Karpathy. Идеально подходит для | 100 | 82 | C | — | ★ 3 914 | 16 ч назад | |
| 165 | B | Предоставляет руководство по интерпретации и манипулированию внутренними механизмами нейронных сетей с помощью nnsight с опциональным удаленным выполнением NDIF. Используйте, когда вам нужно проводить | 100 | 82 | D | — | ★ 3 914 | 16 ч назад | |
| 166 | B | Предоставляет руководство по обучению и анализу разреженных автоэнкодеров (SAE) с помощью SAELens для разложения активаций нейронных сетей на интерпретируемые признаки. Используйте при обнаружении инт | 100 | 82 | D | — | ★ 3 914 | 16 ч назад | |
| 167 | B | Этот навык следует использовать при преобразовании научных статей в рекламные и презентационные форматы, включая интерактивные веб-сайты (Paper2Web), презентационные видео (Paper2Video) и постеры для | 95 | 91 | B | — | ★ 3 914 | 16 ч назад | |
| 168 | B | Генерирует полнотранскриптомную виртуальную пространственную транскриптомику из гистологии H&E с помощью DeepSpot-M. Используйте, когда вам нужна пространственная экспрессия генов в log1p-CPM для плит | 95 | 89 | C | — | ★ 3 914 | 16 ч назад | |
| 169 | B | Высокопроизводительные операции с геномными интервалами и ввод-вывод файлов биоинформатики в Polars DataFrames. Перекрытие, ближайший, слияние, покрытие, дополнение, вычитание для интервалов BED/VCF/B | 95 | 89 | C | — | ★ 3 914 | 16 ч назад | |
| 170 | B | Библиотека статистических моделей для Python. Используйте, когда вам нужны конкретные классы моделей (OLS, GLM, смешанные модели, ARIMA) с подробной диагностикой, остатками и выводом. Лучше всего подх | 100 | 82 | D | — | ★ 3 914 | 16 ч назад | |
| 171 | B | Реализует и обучает LLM с помощью LitGPT от Lightning AI с более чем 20 предварительно обученными архитектурами (Llama, Gemma, Phi, Qwen, Mistral). Используйте, когда вам нужны чистые реализации модел | 100 | 82 | D | — | ★ 3 914 | 16 ч назад | |
| 172 | B | Предоставляет руководство по выполнению причинно-следственных вмешательств в моделях PyTorch с использованием декларативной системы вмешательств pyvene. Используйте при проведении причинно-следственно | 100 | 82 | D | — | ★ 3 914 | 16 ч назад | |
| 173 | B | Оценивает научные работы по структурированным критериям строгости, методологии, доказательств, стиля изложения и готовности к публикации. | 100 | 82 | D | — | ★ 3 914 | 16 ч назад | |
| 174 | B | Комплексный набор инструментов для молекулярной биологии. Используйте для манипулирования последовательностями, парсинга файлов (FASTA/GenBank/PDB), филогенетики и программного доступа к NCBI/PubMed ( | 100 | 82 | D | — | ★ 3 914 | 16 ч назад | |
| 175 | B | Библиотека PyTorch для генерации аудио, включая text-to-music (MusicGen) и text-to-sound (AudioGen). Используйте, когда вам нужно генерировать музыку по текстовым описаниям, создавать звуковые эффекты | 100 | 82 | D | — | ★ 3 914 | 16 ч назад | |
| 176 | B | Высокоскоростная инференция LLM на пользовательском оборудовании LPU. API, совместимый с OpenAI, по адресу api.groq.com. Самая низкая задержка в отрасли (500-1000+ токенов/с). Поддерживает завершение | 100 | 82 | D | — | ★ 3 914 | 16 ч назад | |
| 177 | B | Простая оптимизация предпочтений для выравнивания LLM. Альтернатива DPO без эталонной модели с лучшей производительностью (+6,4 пункта по AlpacaEval 2.0). Эталонная модель не требуется, более эффектив | 100 | 82 | D | — | ★ 3 914 | 16 ч назад | |
| 178 | B | 4-битная квантизация LLM после обучения с минимальной потерей точности. Используйте для развертывания больших моделей (70B, 405B) на потребительских GPU, когда вам требуется 4-кратное уменьшение памят | 100 | 82 | C | — | ★ 3 914 | 16 ч назад | |
| 179 | B | Параметро-эффективная донастройка LLM с использованием LoRA, QLoRA и более 25 методов. Используйте при донастройке больших моделей (7B-70B) с ограниченной памятью GPU, когда вам нужно обучить <1% пара | 100 | 82 | C | — | ★ 3 914 | 16 ч назад | |
| 180 | B | Взаимодействуйте с библиотеками управления ссылками Zotero с помощью Python-клиента pyzotero. Извлекайте, создавайте, обновляйте и удаляйте элементы, коллекции, теги и вложения через Zotero Web API v3 | 95 | 89 | C | — | ★ 3 914 | 16 ч назад | |
| 181 | B | Структура данных для аннотированных матриц в анализе одноклеточных данных. Используйте при работе с файлами .h5ad или при интеграции с экосистемой scverse. Это навык работы с форматом данных — для раб | 100 | 82 | C | — | ★ 3 914 | 16 ч назад | |
| 182 | B | Комплексный набор инструментов для создания, анализа и визуализации сложных сетей и графов в Python. Используйте при работе со структурами данных сетей/графов, анализе взаимосвязей между сущностями, в | 100 | 82 | D | — | ★ 3 914 | 16 ч назад | |
| 183 | B | Квантизация Half-Quadratic для LLM без калибровочных данных. Используйте при квантовании моделей до 4/3/2-битной точности без необходимости использования калибровочных наборов данных, для быстрых рабо | 100 | 82 | D | — | ★ 3 914 | 16 ч назад | |
| 184 | B | Анализ PIV (Particle Image Velocimetry) с помощью OpenPIV. Используйте при извлечении полей скоростей из пар изображений PIV, анализе гидродинамики или экспериментов по визуализации потоков, перекрест | 95 | 89 | C | — | ★ 3 914 | 16 ч назад | |
| 185 | B | Разрешает, проверяет и форматирует ссылки, каждая цитата подтверждается через Crossref, OpenAlex, arXiv или PubMed перед попаданием в библиографию, BibTeX строится из разрешенных метаданных, а существ | 95 | 90 | C | — | ★ 3 914 | 16 ч назад | |
| 186 | B | Создает графики для публикации из данных с помощью matplotlib: кривые обучения, законы масштабирования, сравнения бенчмарков и абляций, компромиссы Парето, тепловые карты и матрицы путаницы, подходящи | 95 | 91 | C | — | ★ 3 914 | 16 ч назад | |
| 187 | B | Проверяет утверждения по их источникам, каждое предложение в черновике, отчете, ответе или резюме отслеживается до отрывка, таблицы, набора данных или выполнения, которое его поддерживает, и помечаетс | 100 | 83 | C | — | ★ 3 914 | 16 ч назад | |
| 188 | B | Комплексный набор инструментов для языковых моделей белков, включая ESM3 (генеративный мультимодальный дизайн белков по последовательности, структуре и функции) и ESM C (эффективные белковые эмбеддинг | 100 | 82 | D | — | ★ 3 914 | 16 ч назад | |
| 189 | B | analytical-method-validationПроцедураДанные и аналитикаИИ и агентыsynthetic-sciences/OpenScienceAgent Skills Планируйте, выполняйте и документируйте валидацию, верификацию и перенос аналитических процедур в рамках управляющей структуры — ICH Q2(R2) и Q14, USP <1220>/<1225>/<1226>, ICH M10 биоаналитические, C | 95 | 88 | C | — | ★ 3 914 | 16 ч назад | |
| 190 | B | pathogen-variant-surveillanceИнтеграцияДанные и аналитикаИИ и агентыsynthetic-sciences/OpenScienceAgent Skills Запрашивайте актуальные данные геномного надзора за патогенами через API GenSpectrum LAPIS, чтобы узнать, какие вирусные линии циркулируют в настоящее время, как быстро они распространяются и какие му | 95 | 88 | C | — | ★ 3 914 | 16 ч назад | |
| 191 | B | Рассчитывает затраты на обучение для задач тонкой настройки Tinker. Используйте при оценке затрат на обучение Tinker LLM, подсчете токенов в наборах данных или сравнении цен на обучение моделей Tinker | 100 | 81 | C | — | ★ 3 914 | 16 ч назад | |
| 192 | B | Разрешает научные метки в свободной форме в идентификаторы терминов онтологии и проверяет существующие CURIE с помощью EBI Ontology Lookup Service (OLS4). Также ищет префиксы в Bioregistry, разрешает | 95 | 88 | C | — | ★ 3 914 | 16 ч назад | |
| 193 | B | imaging-data-commonsПроцедураGoogle CloudAWSДанные и аналитикаsynthetic-sciences/OpenScienceAgent Skills Запрашивайте и загружайте общедоступные данные раковых изображений из NCI Imaging Data Commons с помощью idc-index. Используйте для доступа к крупномасштабным радиологическим (КТ, МРТ, ПЭТ) и патологи | 100 | 79 | D | — | ★ 3 914 | 16 ч назад | |
| 194 | B | uncertainty-and-unitsПроцедураРазработкаДанные и аналитикаsynthetic-sciences/OpenScienceAgent Skills Отслеживайте физические единицы и распространяйте неопределенность измерений в научных расчетах с помощью pint и uncertainties. Используйте для преобразования единиц и проверки размерности, бюджетов н | 95 | 88 | C | — | ★ 3 914 | 16 ч назад | |
| 195 | B | Запускайте и анализируйте симуляции молекулярной динамики с помощью OpenMM и MDAnalysis. Настраивайте системы белков/малых молекул, определяйте силовые поля, выполняйте минимизацию энергии и производс | 100 | 81 | D | — | ★ 3 914 | 16 ч назад | |
| 196 | B | Экспертное руководство по GRPO/RL тонкой настройке с TRL для рассуждений и обучения моделей для конкретных задач. | 100 | 79 | C | — | ★ 3 914 | 16 ч назад | |
| 197 | B | Преобразуйте геномные интервалы между соглашениями о координатах, нормализуйте и сравните представления вариантов, а также обнаруживайте несоответствия в именовании сборок или контигов, прежде чем они | 95 | 88 | C | — | ★ 3 914 | 16 ч назад | |
| 198 | B | Строгая валидация SMILES, структурное сравнение и проверка модификаций. Отлавливает недопустимые молекулы, сгенерированные LLM. | 100 | 81 | C | — | ★ 3 914 | 16 ч назад | |
| 199 | B | stable-diffusion-image-generationГенераторGoogle CloudИИ и агентыИнфраструктураsynthetic-sciences/OpenScienceHermes Современная генерация изображений из текста с помощью моделей Stable Diffusion через HuggingFace Diffusers. Используйте при генерации изображений из текстовых подсказок, выполнении преобразования изоб | 98 | 82 | D | — | ★ 3 914 | 16 ч назад | |
| 200 | B | Масштабируемая обработка данных для ML-нагрузок. Потоковое выполнение на CPU/GPU, поддержка Parquet/CSV/JSON/изображений. Интегрируется с Ray Train, PyTorch, TensorFlow. Масштабируется от одной машины | 100 | 80 | D | — | ★ 3 914 | 16 ч назад |
Описания переведены автоматически; оригинал — на странице скилла.