MCP App StoreMCP App Store
Guide faisant autorité pour construire et mettre à l'échelle des réseaux de neurones sur graphes (GNN) avec PyTorch Geometric : données, couches, modèles d'entraînement et pièges courants.
Cette compétence dote un agent de connaissances pratiques pour construire, entraîner et mettre à l'échelle des réseaux de neurones sur graphes (GNN) à l'aide de PyTorch Geometric (PyG). Elle explique les structures de données fondamentales (Data, HeteroData), l'utilisation des jeux de données, les transformations, les couches de convolution courantes, les modèles de passage de messages (message-passing) et les stratégies d'échantillonnage de voisins et de batching de multi-graphes.
Déclenchez cette compétence lorsqu'un utilisateur pose des questions sur l'apprentissage sur graphes, la classification de nœuds/graphes, la prédiction de liens, les graphes hétérogènes, ou lorsque le code importe torch_geometric. Utilisez-la lors du développement de modèles, du débogage d'architectures GNN ou de l'adaptation des GNN à de grands graphes nécessitant un échantillonnage ou des chargeurs basés sur des clusters.
Bien adaptée aux assistants capables de coder et aux notebooks (Copilot/Codex, Claude Code, aides Jupyter/Colab) pouvant fournir des extraits de code, une aide au débogage et des conseils d'entraînement de modèles.
Cette compétence n'a pas encore été examinée par notre pipeline d'audit automatisé.
Recherche arXiv
Recherchez des prépublications récentes sur arXiv et créez des résumés Markdown locaux ; idéal pour la découverte de littérature en informatique, mathématiques, physique et biologie quantitative.
Pipeline d'Analyse d'Épissage Alternatif
Pipeline de bout en bout pour l'analyse de l'épissage alternatif par RNA-seq bulk à lectures courtes : QC, alignement STAR en 2 passes, QC des jonctions, épissage différentiel rMATS, commutation d'isoformes.
Bases de PLINK
Commandes et exemples pour convertir les formats de génotypes et exécuter les filtres QC standards (MAF, geno, mind, HWE) avec PLINK 1.9/2.0.
Requête de Structure AlphaFold
Interrogez l'API AlphaFold EBI pour récupérer des structures de protéines prédites, télécharger des fichiers PDB/CIF et inspecter les métriques de confiance (pLDDT/PAE).
Depth Estimation (Privacy)
Real-time monocular depth estimation for camera feeds with a privacy-focused depth-only mode to anonymize people while preserving scene layout.
Websocket Realtime
Guidance for designing and operating reliable real-time systems (WebSockets, SSE, Socket.IO, WebRTC) including connection management, reconnection strategies, s
Agentic Data Science Competition
Assistant skill to run and manage Kaggle competition workflows: submission troubleshooting, score stabilization patterns, kernel workflows, and spec-driven dele
cuEquivariance Torch (cuet)
PyTorch GPU-accelerated equivariant tensor primitives and layers (SegmentedPolynomial, tensor products, spherical harmonics, equivariant linear layers) for buil
Cortex - ML Pipeline Builder
Guided ML pipeline builder that walks an agent through data validation, feature engineering, training, evaluation, and serving endpoints for classification or r
MoE Expert-Parallel Overlap (Megatron-Bridge)
Guidance and configs to enable expert-parallel communication overlap in Megatron-Bridge for MoE models — use to hide dispatch/combine latency and improve throug
Scikit-learn (Classical ML reference)
Comprehensive scikit-learn guidance for classification, regression, clustering, preprocessing, model evaluation, and production-ready ML pipelines.
Security Audit (RLM)
Run privacy-preserving RLM-driven security audits on large .NET repositories, producing prioritized findings and actionable remediation guidance.