exploratory-data-analysis
描述
Perform comprehensive exploratory data analysis on scientific data files across 200+ file formats. This skill should be used when analyzing any scientific data file to understand its structure, content, quality, and characteristics. Automatically detects file type and generates detailed markdown rep
如何使用
- 访问 GitHub 仓库获取 SKILL.md 文件
- 将文件复制到您的项目根目录或 .cursor/rules 目录
- 重启您的 AI 助手或编辑器以应用新技能
Tags
关于 exploratory-data-analysis
exploratory-data-analysis 是一个 ml-data 类别的 AI 技能，旨在帮助开发者和用户更高效地使用 AI 工具。Perform comprehensive exploratory data analysis on scientific data files across 200+ file formats. This skill should be used when analyzing any scientific data file to understand its structure, content, quality, and characteristics. Automatically detects file type and generates detailed markdown rep
该技能在 GitHub 上获得了 2,800 个 star，表明它在社区中受到广泛认可。它兼容 claude 等平台。
核心能力
为什么使用 exploratory-data-analysis
将 exploratory-data-analysis 添加到您的 AI 工作流中可以显著提升在 ml-data 领域的工作效率。通过预定义的提示模板和最佳实践，这个技能可以帮助 AI 助手更好地理解您的需求并提供更准确的响应。
无论您使用 claude，都可以轻松集成此技能到您现有的开发环境中。
探索更多 ml-data 技能
发现更多 ml-data 类别的 AI 技能，帮助您构建全面的 AI 技能栈。
相关技能
langchain-architecture
使用 LangChain 框架设计 LLM 应用，包含代理、记忆和工具集成模式。
ml-pipeline-workflow
构建端到端 MLOps 流水线，从数据准备到模型训练、验证和生产部署。
data-storytelling
使用可视化、上下文和说服性结构将数据转化为引人入胜的叙事。
pyhealth
Comprehensive healthcare AI toolkit for developing, testing, and deploying machine learning models with clinical data. This skill should be used when working with electronic health records (EHR), clinical prediction tasks (mortality, readmission, drug recommendation), medical coding systems (ICD, ND
biomni
Autonomous biomedical AI agent framework for executing complex research tasks across genomics, drug discovery, molecular biology, and clinical analysis. Use this skill when conducting multi-step biomedical research including CRISPR screening design, single-cell RNA-seq analysis, ADMET prediction, GW