Скиллы Claude для науки и анализа данных

Скиллы этого раздела помогают Claude с научной работой: библиотеками для анализа данных и машинного обучения, визуализацией, статистикой и подготовкой научных текстов. Каждый скилл — инструкция в формате SKILL.md: Claude читает её и действует по описанным в ней практикам. Откройте скилл, чтобы увидеть, что он умеет, и поставить его.

Наука: 20 скиллов

  1. Генерация идей и гипотез

    Генерирует идеи для исследований и междисциплинарных проектов.

  2. Научные и экспертные тексты

    Пишет научные тексты связными абзацами, без маркированных списков.

  3. Визуализация данных и графики

    Создаёт графики для научных публикаций с многопанельными макетами.

  4. Дизайнер презентаций

    Для исследователей: создание презентаций в формате PPTX по запросу

  5. Критическое мышление и проверка фактов

    Оценивает качество научных данных и обоснованность выводов.

  6. Презентации для науки и аналитики

    Создаёт слайды для научных докладов, конференций и защит.

  7. Анализ графов и сетей (NetworkX)

    Создаёт, анализирует и визуализирует графы и сети в Python.

  8. Поиск и подбор исследований

    Ищет свежие исследования через Perplexity Sonar Pro и Sonar Reasoning Pro.

  9. Оформление ссылок и цитирования

    Ищет статьи в Google Scholar и PubMed и оформляет точные ссылки в BibTeX.

  10. Разведочный анализ данных

    Проводит разведочный анализ научных данных в файлах 200+ форматов.

  11. Графики и визуализация данных Python

    Строит графики на matplotlib с полным контролем над каждым элементом.

  12. Статистический анализ данных

    Помогает выбрать статистический тест и проанализировать данные.

  13. Машинное обучение на scikit-learn

    Машинное обучение в Python с scikit-learn. Для задач классификации и регрессии.

  14. Графики и диаграммы на Seaborn

    Быстрая визуализация распределений и зависимостей с pandas

  15. Plotly: интерактивные графики

    Интерактивные графики с подсказками, зумом и панорамированием. Лучше всего для встраивания в веб.

  16. Polars: быстрая обработка данных

    Быстрая работа с данными в памяти, когда pandas слишком медленный

  17. PyTorch Lightning: обучение моделей

    Организует PyTorch-код в LightningModules и настраивает Trainer для обучения.

  18. Dask: параллельные вычисления на Python

    Обрабатывает данные больше ОЗУ с привычным синтаксисом pandas и NumPy.

  19. Modal: облачные вычисления

    Запускает Python в облаке: serverless-контейнеры, GPU и автомасштабирование.

  20. Transformers: работа с ML-моделями

    Работа с предобученными трансформерами для NLP и компьютерного зрения