319건 · 관련도순
Amazon FBA and FBM shipping cost calculator and fulfillment optimization. Dimensional weight analysis, storage fee calculation, removal cost estimation, and fulfillment method comparison. Use when the user asks about Amazon shipping costs, FBA fees, fulfillment costs, storage fees, or shipping calculations.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
SQL and NoSQL query optimization techniques, indexing strategies, execution plan analysis, JOIN algorithms, cardinality estimation, and database-specific query patterns
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
4-step system design framework with back-of-envelope estimation, scaling ladder, and common pitfalls
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Show real token usage and estimated savings for the current session. Reads directly from the Claude Code session log — no AI estimation. Triggers on /caveman-stats. Output is injected by the mode-tracker hook; the model itself does not compute the numbers.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Volatility estimation, forecasting, and regime classification using GARCH, EWMA, realized volatility, and volatility cones
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Enhanced Solana RPC with DAS API, parsed transactions, webhooks, and priority fee estimation via Helius
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Mean-reversion strategy tools including Hurst exponent, half-life estimation, z-score signals, ADF testing, and Ornstein-Uhlenbeck modeling
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Execution cost estimation, slippage curve modeling, and optimal trade sizing based on AMM liquidity depth
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
DEX liquidity depth assessment, slippage estimation, and pool composition analysis for Solana tokens
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Kelly criterion optimal sizing with fractional variants, edge estimation, and practical application for crypto trading
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
GWAS and population genetics tool. Processes PLINK (.bed/.bim/.fam), VCF, and BGEN; runs QC (MAF, HWE, missingness), IBD estimation, PCA, and linear/logistic regression GWAS. Outputs Manhattan-ready summary stats. Use regenie or SAIGE for biobanks (>100k samples) needing mixed models.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Reusable prompt templates for construction AI tasks: cost estimation, schedule analysis, document processing, BIM queries. Structured prompts for consistent results.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Calculate construction costs using resource-based method. Estimate project costs from work items, physical resource norms, and current prices.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Calculate carbon footprint of construction projects. Estimate CO2 emissions from materials, transportation, and construction processes using emission factors databases.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Extract quantities from BIM/CAD data for cost estimation. Group by type, level, zone. Generate QTO reports.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Semantic search in the DDC CWICR construction cost database using vector embeddings (BGE-M3, 1024-dim, per-language Qdrant collections). Find similar work items and resources for cost estimation across 8 national bases and 30 markets in 26 languages.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Generate professional cost estimation reports from CWICR calculations. HTML, PDF, Excel outputs with charts and breakdowns.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Check construction AI systems against the EU AI Act (Regulation 2024/1689): classify risk of estimation, scheduling, CV and agent tools, document transparency, keep human oversight. Use when deploying or auditing AI in construction.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Build no-code/low-code automation workflows for construction using n8n. Automate data extraction, cost estimation, report generation, and system integrations without writing code.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Converts a specification into a phased, dependency-ordered implementation plan. Use after specification is complete and before execution begins.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Use DeepDanbooru for anime-style image tag estimation, project and Danbooru-style dataset preparation, TensorFlow training, image evaluation, TFLite conversion, and experimental Grad-CAM workflows.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Route DeepLabCut markerless pose-estimation workflows, project setup, PyTorch training/inference, maDLC tracking, Model Zoo, post-processing, 3D, and export tasks.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Online (incremental) covariance, correlation, and precision estimation in Python — the streaming complement to sklearn.covariance. Use when code needs a covariance/correlation matrix updated per observation, recomputes np.cov/np.corrcoef in a rolling loop, must judge or compare covariance estimates, or proposes a new covariance methodology. Points to task-specific skills.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Guides conducting privacy law gap analysis for market entry into new jurisdictions. Covers target jurisdiction assessment, existing compliance mapping, remediation effort estimation, and implementation timeline planning. Keywords: gap analysis, market entry, jurisdiction assessment, remediation planning, compliance mapping.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.