MCP App StoreMCP App Store
de auto-college26
Guide faisant autorité pour le machine learning classique avec scikit-learn : prétraitement, pipelines, sélection de modèles, évaluation et scripts d'exemple pour la production.
Ce skill est une référence complète pour l'utilisation de scikit-learn afin de construire, évaluer et déployer des modèles de ML classiques. Il couvre les algorithmes supervisés et non supervisés, les techniques de prétraitement, la composition de pipelines, l'évaluation de modèles et le réglage des hyperparamètres, ainsi que des scripts d'exemple pour des workflows de bout en bout.
Invoquez ce skill lorsque vous avez besoin d'aide pour construire des modèles de classification ou de régression, le clustering, la réduction de dimensionnalité, la mise en place de pipelines de prétraitement, le choix de métriques d'évaluation ou le réglage des hyperparamètres pour un ML prêt pour la production. Il est adapté aux data scientists et ingénieurs travaillant avec des données tabulaires ou structurées.
Utile pour les agents capables de fournir des extraits de code ou d'exécuter des environnements Python (Codex, agents de type Copilot, agents intégrés à Jupyter).
Compétence de référence complète pour scikit-learn avec un fichier SKILL.md bien documenté couvrant l'apprentissage supervisé/non supervisé, le prétraitement, les pipelines et l'évaluation. Deux scripts groupés démontrent des flux de classification et de clustering, mais n'ont pas pu être exécutés en raison de dépendances manquantes pour pandas et matplotlib. Aucun problème de sécurité — les scripts utilisent uniquement les jeux de données intégrés de sklearn et du calcul local.
pandasmatplotlibLe fichier SKILL.md est très long avec un contenu de style référence qui pourrait être mieux divisé dans des fichiers references/. Les scripts sont bien structurés avec de bonnes docstrings et suivent les meilleures pratiques de sklearn (pipelines, stratification, etc.). La compétence est une référence solide mais penche davantage vers la documentation que vers une compétence d'agent exploitable — elle ressemble plus à un tutoriel qu'à une compétence basée sur des déclencheurs.
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.