
Flux de travail de modélisation bayésienne utilisant PyMC (v5+) : construction de modèles hiérarchiques, exécution de l'inférence MCMC (NUTS) ou variationnelle, diagnostic d'échantillonnage et comparaison de modèles avec LOO
Fournit un flux de travail complet de modélisation bayésienne utilisant PyMC (v5+). Couvre la préparation des données, la construction de modèles (linéaires, logistiques, hiérarchiques), les vérifications prédictives a priori, l'inférence MCMC (NUTS), l'inférence variationnelle, les diagnostics, les vérifications prédictives a posteriori et la comparaison de modèles (LOO/WAIC). Inclut des modèles et des scripts de diagnostic pour produire des analyses reproductibles.
scripts/model_diagnostics.py, scripts/model_comparison.py et d'autres scripts d'aide (has_scripts=true)references/ avec des guides de distribution, des notes sur l'échantillonnage/l'inférence et des guides de flux de travail (has_references=true)assets/ (linear_regression_template.py, hierarchical_model_template.py) et utilitaires de diagnostic/reportingUtile pour les assistants de codage et les agents axés sur la science des données capables d'exécuter Python et d'inspecter les ressources du dépôt (Codex, Claude Code, Cursor).
Cette compétence n'a pas encore été examinée par notre pipeline d'audit automatisé.
AlterLab Deep Research
Un pipeline de recherche composé de 13 agents, compatible PRISMA, qui gère le cadrage, la recherche documentaire systématique, la vérification, la synthèse, la méta-analyse et le reporting au style APA.
Base de données ClinVar (AlterLab)
Recherchez et interprétez les données de variants de NCBI ClinVar, accédez-y via E-utilities ou FTP, annotez les VCF et intégrez les meilleures pratiques de statut de révision et de preuves pour la génotypage.