Trouvez le skill parfait
Prédiction de performance de persona
Data & IA
Analyser et prédire la performance des personas dans des contextes de tâches spécifiques.
Surveiller une expérience Beaker
Data & IA
Interroge périodiquement l’état d’une expérience Beaker jusqu’à son achèvement. Signale la réussite si le code de sortie est 0, sinon récupère et affiche les logs de l’expérience pour le débogage.
Optimisation multi-agents
Data & IA
Optimisez les systèmes multi-agents avec profilage, distribution de charge et orchestration rentable.
Doubleur YouTube Claude
Data & IA
Skill qui permet de dubbing des vidéos YouTube localement en utilisant ASR, traduction et TTS. Lancez avec /youtube URL alias.
Estimation de covariance en ligne avec Precise
Data & IA
Une bibliothèque numpy pour l'estimation en ligne (incrémentale) de covariance, corrélation et précision, complémentaire de sklearn.covariance.
Orchestrer un pipeline ML
Data & IA
Orchestrez des pipelines de machine learning de bout en bout avec Prefect ou Airflow, incluant dépendances, planification et monitoring.
Analyste d'affaires avec IA
Data & IA
Maîtrisez l'analyse d'affaires moderne avec l'IA, les tableaux de bord en temps réel et les insights data. Créez des KPI et des modèles prédictifs.
Analyse de clustering
Data & IA
Produire une analyse de clustering structurée avec validation de qualité et intégration aux projets existants.
Générer des figures TDA pour publication
Data & IA
Génère du code matplotlib pour des figures TDA prêtes à publier, en appliquant les constantes de style, règles de couleurs et chemins de sortie du projet.
Suivi des prix crypto
Data & IA
Suivez en temps réel les prix des cryptomonnaies avec données historiques et alertes.
Modèles SQL
Data & IA
Référence rapide des modèles SQL courants : CTE, fonctions de fenêtre, jointures, pagination et stratégies d'indexation.
Résumer les résultats d'expérience
Data & IA
Génère un fichier summary.md qui résume les métriques clés d'une expérience de fine-tuning et d'évaluation. Analyse les statuts des runs, extrait la perte finale d'entraînement depuis les logs SLURM et la précision depuis les fichiers .eval, puis compile le tout dans un rapport textuel. Utile après avoir exécuté une expérience pour obtenir un aperçu rapide des résultats sans parcourir manuellement les fichiers de sortie.