1.2천건 · 관련도순
dbt Core/Cloud data transformations, testing, documentation, and CI/CD. Activate on: dbt, data transformation, analytics engineering, ref, source, staging model, mart, dbt test. NOT for: orchestration/scheduling (use airflow-dag-orchestrator), data warehouse tuning (use data-warehouse-optimizer).
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Corrects fluorophore spillover (conventional compensation) or spectral overlap (spectral unmixing) and applies variance-stabilizing transforms (logicle/biexponential, arcsinh, log) for flow and mass cytometry. Covers spillover-matrix estimation from single-stain controls, AutoSpill, the spillover spreading matrix and why panel design (not compensation) bounds resolution, compensate-then-transform ordering, and arcsinh cofactor choice (5 for CyTOF, ~150 for fluorescence, per-channel via flowVS). Use when correcting spectral overlap, preparing data for gating/clustering, choosing logicle vs arcsinh, deciding a cofactor, or distinguishing compensation from spectral unmixing.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Otimiza atenção em transformers com Flash Attention para ganho de 2-4x em velocidade e redução de 10-20x em memória. Use ao treinar/executar transformers com sequências longas (>512 tokens), ao encontrar problemas de memória GPU com atenção, ou quando precisa de inferência mais rápida. Suporta SDPA nativo do PyTorch, biblioteca flash-attn, H100 FP8 e sliding window attention.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Use Transformers.js to run state-of-the-art machine learning models directly in JavaScript/TypeScript. Supports NLP (text classification, translation, summarization), computer vision (image classification, object detection), audio (speech recognition, audio classification), and multimodal tasks. Works in browsers and server-side runtimes (Node.js, Bun, Deno) with WebGPU/WASM using pre-trained models from Hugging Face Hub.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Expert en transformation digitale (strategy, change management, technology adoption, maturity assessment)
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Corrects fluorophore spillover (conventional compensation) or spectral overlap (spectral unmixing) and applies variance-stabilizing transforms (logicle/biexponential, arcsinh, log) for flow and mass cytometry. Covers spillover-matrix estimation from single-stain controls, AutoSpill, the spillover spreading matrix and why panel design (not compensation) bounds resolution, compensate-then-transform ordering, and arcsinh cofactor choice (5 for CyTOF, ~150 for fluorescence, per-channel via flowVS). Use when correcting spectral overlap, preparing data for gating/clustering, choosing logicle vs arcsinh, deciding a cofactor, or distinguishing compensation from spectral unmixing.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Plan and execute database migrations, data transformations, and system migrations safely with rollback strategies and data integrity validation. Use when migrating databases, transforming data schemas, moving between database systems, implementing versioned migrations, handling data transformations, ensuring data integrity, or planning zero-downtime migrations.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Corrects fluorophore spillover (conventional compensation) or spectral overlap (spectral unmixing) and applies variance-stabilizing transforms (logicle/biexponential, arcsinh, log) for flow and mass cytometry. Covers spillover-matrix estimation from single-stain controls, AutoSpill, the spillover spreading matrix and why panel design (not compensation) bounds resolution, compensate-then-transform ordering, and arcsinh cofactor choice (5 for CyTOF, ~150 for fluorescence, per-channel via flowVS). Use when correcting spectral overlap, preparing data for gating/clustering, choosing logicle vs arcsinh, deciding a cofactor, or distinguishing compensation from spectral unmixing.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
dbt Core/Cloud data transformations, testing, documentation, and CI/CD. Activate on: dbt, data transformation, analytics engineering, ref, source, staging model, mart, dbt test. NOT for: orchestration/scheduling (use airflow-dag-orchestrator), data warehouse tuning (use data-warehouse-optimizer).
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Work with state-of-the-art machine learning models for NLP, computer vision, audio, and multimodal tasks using HuggingFace Transformers. This skill should be used when fine-tuning pre-trained models, performing inference with pipelines, generating text, training sequence models, or working with BERT, GPT, T5, ViT, and other transformer architectures. Covers model loading, tokenization, training with Trainer API, text generation strategies, and task-specific patterns for classification, NER, QA, summarization, translation, and image tasks. (plugin:scientific-packages@claude-scientific-skills)
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Optimizes transformer attention with Flash Attention for 2-4x speedup and 10-20x memory reduction. Use when training/running transformers with long sequences (>512 tokens), encountering GPU memory issues with attention, or need faster inference. Supports PyTorch native SDPA, flash-attn library, H100 FP8, and sliding window attention.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
API로 사용하는 언어 모델의 프롬프트와 입력 표현을 바꾸어 안전 필터 우회 시도에 대한 응답을 검증합니다. 여러 모델의 답변 비교와 Hermes 설정 저장도 다룹니다.
언어 모델 내부 반응을 소수의 특징으로 분해해 학습한 개념을 조사합니다. 사전 학습 SAE 분석, 자체 SAE 훈련, 특징을 통한 출력 조정과 재구성 품질 평가를 안내합니다.
로컬 실행이나 지속적 통합에서 발견한 Python 타입 검사 오류를 분류하고, 타입 좁히기와 주석 수정부터 재검증까지 진행합니다. 새로운 타입 검사 범위 추가도 다룹니다.
여러 에이전트의 작업을 순서대로 연결하고 이전 출력을 다음 단계에 전달해, 코드 분석과 수정, 테스트 작성, 데이터 변환을 하나의 절차로 진행합니다.
거래 모델의 예측에 기여한 입력 항목을 순위로 정리해 Markdown 표로 보여 줍니다. 계산 조건을 포함한 분석 기록을 저장하며 서명 키가 있으면 전자 서명도 추가합니다.
실행 전에 작업을 분류해 LLM 호출 없이 처리할 수 있다고 판정된 비율을 보고합니다. 나머지 작업의 권장 모델과 비용 상한을 추정하고 결과를 저장합니다.
여러 에이전트의 작업을 순서대로 연결하고 이전 결과를 다음 단계에 전달합니다. 직접 구성한 절차나 기본 제공 절차로 코드 분석, 수정, 테스트와 데이터 변환을 진행합니다.
Manage Cloudinary images, videos, and files with natural language requests. Organize folders, configure upload rules, inspect assets, generate transformed versions, and check storage and bandwidth usage through Rube MCP and Composio.
한국어 요약은 준비 중입니다. 영어 요약을 표시하고 있습니다.
Test your understanding of a phase in AI Engineering from Scratch through eight multiple-choice questions. Receive a score, explanations for incorrect answers, and specific lessons to review before continuing your studies.
한국어 요약은 준비 중입니다. 영어 요약을 표시하고 있습니다.
Animate characters built from SVG parts using GSAP and CSS transforms. Coordinate gestures and facial expressions, keep joints connected, and control playback by frame in Remotion or validate browser previews with HyperFrames.
한국어 요약은 준비 중입니다. 영어 요약을 표시하고 있습니다.
Improve GSAP animation performance by reviewing animated properties, browser layout work, and simultaneous updates. Use transforms, grouped updates, reusable animations, and targeted cleanup to reduce stuttering in lists, mouse followers, and scroll effects.
한국어 요약은 준비 중입니다. 영어 요약을 표시하고 있습니다.
Clean messy tabular data through OpenRefine using command-line operations. Import files, inspect rows, apply reusable JSON transformation histories, and export cleaned CSV or TSV data, with session support for undoing and redoing changes.
한국어 요약은 준비 중입니다. 영어 요약을 표시하고 있습니다.
Inspect and transform local DICOM medical imaging files, including metadata, image frames, and compression formats. Generate technical inventories and preview images, check installed codecs, and review pseudonymized derivatives without treating those checks as proof of de-identification.
한국어 요약은 준비 중입니다. 영어 요약을 표시하고 있습니다.