MCP App StoreMCP App Store
de zorai308
Guide et exemples pour utiliser Microsoft EconML afin d'estimer les effets de traitement hétérogènes (Double ML, Causal Forest, Deep IV) à partir de données observationnelles.
Fournit des instructions pratiques et des exemples de code pour utiliser la bibliothèque EconML de Microsoft afin d'estimer les effets de traitement hétérogènes et les effets causaux à partir de données observationnelles. Couvre le Double ML (LinearDML), les forêts causales (causal forests) et d'autres apprenants statistiques orthogonaux avec des snippets Python exécutables et des références aux docs officielles.
Utilisez cette compétence lorsque vous devez estimer des effets de traitement moyens ou conditionnels à partir de jeux de données observationnels où les effets de traitement varient selon les unités, par exemple pour l'évaluation de politiques personnalisées, la modélisation d'uplift ou l'estimation d'effets causaux en économie et marketing. Elle est utile aux data scientists souhaitant des exemples reproductibles pour les flux de travail Double ML et causal forest.
Idéalement utilisée par des agents et environnements capables d'exécuter des snippets Python (agents avec capacité d'exécution Python ou de lancement de code, ex. runtimes style Codex/Copilot, Claude Code).
Compétence de guidage pure sans scripts — fournit des exemples EconML pour l'estimation de l'effet de traitement hétérogène. SKILL.md propre avec frontmatter, installation et extraits de code pour Double ML et Causal Forest. Aucune préoccupation de sécurité ; pas d'automatisation ni de contrats de sortie. Public de niche en inférence causale/économétrie.
Aucun script à tester. La compétence est un document de référence/guidage statique. Exemples bien structurés mais manque de profondeur dans le dépannage, l'utilisation avancée ou les modèles d'intégration.
Optimiseur de Code (Audit de Performance)
Réalise des audits de performance approfondis sur les bases de données, la mémoire, les algorithmes, la concurrence, les E/S, le bundling et plus encore, via des agents spécialisés et une détection basée sur des patterns.
Base de Connaissances (Centre d'Aide)
Conseils et modèles pour concevoir l'architecture d'un centre d'aide, rédiger des articles de support efficaces et optimiser la recherche pour maximiser la redirection vers le libre-service.
Weights & Biases (wandb)
Intégrez Weights & Biases pour le suivi d'expériences ML : journalisez les métriques, les hyperparamètres, les points de contrôle, lancez des sweeps et consultez des tableaux de bord collaboratifs.
Git Guardrails (Claude Code)
Hook PreToolUse qui bloque les commandes git destructives (push, reset --hard, clean, branch -D) pour empêcher les agents comme Claude Code de les exécuter sans approbation.
Extract Circuit Netlist Edge Features
Extract structured edge features from a bipartite circuit netlist (NetworkX MultiGraph), normalizing device/net ordering, mapping terminal colors, and detecting
Markdrop
Convert PDFs to structured Markdown or interactive HTML and generate AI-powered descriptions for images and tables using multiple LLM providers.
FastAPI Project Templates
Creates production-ready FastAPI project scaffolds with async patterns, DI, middleware, and testing best practices for high-performance APIs.
Unitree Robot Controller
Control and command Unitree robots (GO1/GO2/G1/H1) via OpenClaw: initialization, basic motion commands, and sensor integrations.
Alpha Forge Pre-Ship Quality Gates
Pre-merge quality gates for PRs that validate RNG determinism, forked URLs, runtime parameter ranges, and manifest synchronization to reduce review cycles.
Plotly (Interactive Python Visualizations)
Interactive Python visualization skill for building hoverable, zoomable, and embeddable charts (Plotly Express + Graph Objects) for EDA, dashboards, and present
Dr. Manhattan - Prediction Market Trading
Unified CCXT-style API and tools for discovering, analyzing, and trading prediction markets across Polymarket, Kalshi, Opinion, Limitless, and Predict.fun; incl
Manim Idea to Export
Turn plain-language concepts into production-ready ManimCE scene blueprints, runnable code, preview renders, and final export commands for video assets.