데이터·AI 스킬

Use Astropy core for astronomy units, coordinates, times, tables, FITS/WCS files, modeling, statistics, visualization, cosmology, configuration, and public CLIs.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

Operate ASRT SpeechRecognition Chinese ASR data, acoustic models, pinyin language model, and serving clients.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

Use AdalFlow to build, debug, evaluate, optimize, trace, and operate LLM task pipelines, RAG systems, agents, tools, and structured-output workflows.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

Route AlphaFold protein structure prediction setup, data preparation, local prediction, model configuration, output interpretation, and relaxation workflows.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

Routes 3D ResNets PyTorch video action-recognition workflows across training, inference, and data preparation.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

Use AReaL for large-scale asynchronous LLM reinforcement learning, agentic RL, distributed post-training, inference/agent services, backend planning, and customization workflows.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

Operate AnyLabeling desktop annotation, auto-labeling model, dataset export, install, packaging, and release workflows for the PyQt6/ONNX image-labeling package.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

Guides Any4LeRobot dataset conversions, LeRobot-to-RLDS export, and LeRobot v1.6-v3.0 format migrations with schema validation, version-aware environments, and safe publication boundaries.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

Use AnnData to build, inspect, combine, store, lazily read, and extend annotated data matrices in memory and on disk.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

Guide alphafold2-pytorch protein sequence, MSA, distogram, angle-logit, coordinate-refinement, recycling, embedding, and structure-utility workflows with version-aware troubleshooting.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

Route AlphaGPT data ingestion, factor mining, live strategy, and dashboard workflows.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

Build, debug, serialize, and integrate Albumentations 2.x augmentation pipelines for images, masks, bboxes, keypoints, volumes, and PyTorch-style datasets.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

Use the ALAE repository for Adversarial Latent Autoencoder data preparation, CUDA training, checkpoint-backed generation, latent editing, and legacy metrics.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

Routes AIX360 explainability tasks across local black-box attribution, counterfactuals and certification, interpretable models, time-series explanations, datasets, and explanation-quality metrics.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

Use Aim for experiment tracking SDK instrumentation, local/remote run storage, CLI/UI/server workflows, storage maintenance, and ML framework logging integrations.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

Use IBM AI Fairness 360 for tabular fairness datasets, metrics, bias mitigation algorithms, sklearn-compatible workflows, subgroup detectors, and explainers.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

Operate the ai-data-science-team package for AI-assisted data loading, EDA, pandas transformations, SQL analysis, H2O/MLflow modeling, multi-agent teams, and Streamlit app workflows.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

Use AgileRL for reinforcement learning workflows: classical RL training, evolutionary HPO, evolvable networks, multi-agent PettingZoo training, offline/bandit data, and LLM fine-tuning.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

Routes AdelaiDet users through legacy-compatible setup, model config selection, training/evaluation, demos, text spotting, dataset preparation, and export/conversion workflows.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

Routes ACT++, ACT, Diffusion Policy, VINN, and MuJoCo simulation workflows for bimanual ALOHA episode data and imitation-learning tasks.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

Route Acme reinforcement-learning framework tasks across core loops, replay/data, JAX agents, and TensorFlow/Sonnet agents.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

Operate AB3DMOT 3D multi-object tracking workflows for KITTI and nuScenes data, tracking, evaluation, and visualization.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

Pick which precise covariance estimator to use for a given dataset. Use when you have data X and are unsure which estimator fits its dimension, conditioning, or tail behavior. Wraps precise.suggest() and covariance_features().

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

Estimate a covariance / correlation / precision matrix incrementally with precise. Use when data arrives as a stream and you want the matrix updated per observation, or when you want an online (partial_fit) drop-in for sklearn.covariance, which is batch-only.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.