pymc-modeling — скилл
pymc-modeling, пять скиллов PyMC Labs, учит агента строить байесовские модели, проверять априоры и читать диагностику.
- 95 ★ репозитория
- Последний коммит
- MIT
Минимальный доступ
Почему такой уровень
- Скиллы только инструктируют агента, но код моделей и данные обрабатываются на вашей машине.
Установка
- Работает в
В терминале, через SkillFoxx CLI
npx skillfoxx add skills/pymc-modelingОпределит агенты на машине, покажет уровень доступа и зафиксирует версию.
Другие способы установки
Доступ и проверки
Как мы проверяемМинимальный доступИнструмент ничего не запускает и не ходит в сеть.
- Скиллы только инструктируют агента, но код моделей и данные обрабатываются на вашей машине.
Это чужой код. Посмотрите файлы в репозитории перед установкой.
Что делает
pymc-modeling содержит пять скиллов в формате Agent Skills. `pymc-modeling` описывает построение моделей, вывод, предсказания и семейства моделей из pymc-extras. `prior-elicitation` отвечает за выбор априоров, проверки предсказаний и сжатие. `arviz-diagnostics` разбирает диагностику MCMC, LOO и сравнение моделей. `pytensor-workflows` помогает с символьными графами, формами, градиентами и своими операциями, а `pymc-mlflow` ведет учет экспериментов в MLflow и сохраняет модели маркетингового микса. К каждому скиллу приложены справочные файлы и лицензия.
Для кого. Аналитикам и исследователям, которые строят байесовские модели в PyMC и хотят получать от агента код без типичных ошибок.
Подходит, если
- Строят иерархическую модель для сгруппированных наблюдений.
- Проверяют, дают ли выбранные априоры правдоподобные исходы.
- Оценивают, можно ли доверять LOO и сходимости цепей.
- Ищут ошибку формы или градиента в графе PyTensor.
Не подходит, если
- Для анализа достаточно классической регрессии без байесовского вывода.
- Проект использует другую библиотеку вместо PyMC.
- Среда не допускает установку пакетов Python для моделей.
Пример запроса к агенту
Построй иерархическую модель для данных по школам, проверь априоры предсказаниями и покажи диагностику.Ограничения
README оговаривает, что команды установки из опубликованного репозитория работают только после выпуска манифеста, а локальная проверка не доказывает удаленную установку. Рекомендации опираются на конкретную проверенную связку версий и на DataTree в ArviZ. Скиллы дают инструкции, но не запускают расчеты за вас. Скиллы ссылаются на конкретные API: при смене версий PyMC, PyTensor или ArviZ справочники устареют, и их придется обновлять. Эксперименты MLflow и сохранение моделей маркетингового микса требуют установленных MLflow и PyMC-Marketing.
Как отключить. Удалите папки скиллов из каталога скиллов агента либо выполните `/plugin uninstall pymc-modeling@pymc-modeling`. Модели и артефакты MLflow удалите отдельно.
Частые вопросы
Плагин или Skills CLI?
Выберите одно из двух: в описании сказано, что совместная установка дублирует скиллы.
Нужен ли отдельный сервис?
Нет. Скиллы представляют собой папки инструкций и справочников, никакого установщика и запущенного сервиса не требуется.
Можно ли взять один скилл?
Да, скопируйте нужную папку из `skills/` целиком, вместе со справочниками и лицензией.
Какая лицензия?
MIT.
Что делает скилл pymc-mlflow?
Пишет эксперименты в MLflow, хранит артефакты DataTree и сохраняет модели маркетингового микса.
Обсуждение
Вопросов и отзывов пока нет.
Похожие
СкиллыСкилл для олимпиад по моделированию CUMCM, MCM/ICM и Electrical Cup: 10 этапов, три роли, пять проверок и сборка статьи в LaTeX
Восемь скиллов для олимпиад по моделированию: ведут задачу от условия до статьи с графиками и проверенной литературой
Скиллы Probabl для экспериментов по машинному обучению: пайплайн на scikit-learn и skrub, оценка, аудит и подключение к Skore Hub
Скилл подбирает научный график под цель и данные CSV или Excel из почти сотни шаблонов и выдает PNG, SVG, PDF и код на Python.
Скилл математического моделирования
Math Modeling Skill
Воркфлоу из трех этапов для задач математического моделирования: разбор и выбор модели, расчеты на Python или MATLAB, сборка статьи в Word или LaTeX
Плагин и набор из 130 с лишним скиллов для материаловедения: релаксация, молекулярная динамика, DFT и базы структур через MCP.
Коротко о README
README перечисляет пять скиллов, три способа установки и примеры запросов, а также оговаривает проверенный набор версий библиотек.