Data & IA

Skills pour LLM, bases vectorielles, training de modeles et scraping web.

537 skills

#	Skill	Source	Description
1	browser-use	browser-use/browser-use	Contrôler un navigateur Chrome via CDP pour automatiser des tâches web.	111 268
2	open-source	browser-use/browser-use	Automatiser la navigation web en Python avec des agents IA configurables.	111 268
3	aoti-debug	pytorch/pytorch	Diagnostiquer et corriger les erreurs courantes d'AOTInductor avec méthode.	102 612
4	pt2-bug-basher	pytorch/pytorch	Déboguer les erreurs de compilation PyTorch 2 via Dynamo, Inductor et AOTAutograd.	102 612
5	airflow-dag-patterns	wshobson/agents	Orchestrer des pipelines de données Apache Airflow avec patterns, opérateurs et déploiement.	39 177
6	backtesting-frameworks	wshobson/agents	Construire des systèmes de backtesting robustes pour évaluer fiablement des stratégies de trading.	39 177
7	data-quality-frameworks	wshobson/agents	Implémenter des frameworks de qualité de données avec Great Expectations, dbt et contrats.	39 177
8	grpo-rlvr-training	wshobson/agents	Configurer et lancer un entraînement GRPO/RLVR avec récompenses vérifiables.	39 177
9	hybrid-search-implementation	wshobson/agents	Combiner recherche vectorielle et par mots-clés pour améliorer le rappel RAG.	39 177
10	langchain-architecture	wshobson/agents	Construire des agents IA sophistiqués avec LangChain, LangGraph et gestion d'état.	39 177
11	llm-evaluation	wshobson/agents	Évaluer les performances des LLM via métriques automatisées, jugement humain et A/B testing.	39 177
12	lora-qlora-recipes	wshobson/agents	Configurer des adaptateurs LoRA et QLoRA optimaux pour le fine-tuning SFT supervisé.	39 177
13	ml-pipeline-workflow	wshobson/agents	Orchestrer un pipeline MLOps complet de l'ingestion des données au déploiement en production.	39 177
14	preference-optimization	wshobson/agents	Sélectionner et configurer la méthode optimale d'alignement par préférences (DPO, ORPO, KTO, SimPO).	39 177
15	quantized-export	wshobson/agents	Exporter un checkpoint promu au bon format quantifié selon la cible matérielle.	39 177
16	risk-metrics-calculation	wshobson/agents	Calculer la VaR, CVaR et métriques de risque pour la gestion de portefeuille.	39 177
17	similarity-search-patterns	wshobson/agents	Implémenter une recherche vectorielle sémantique efficace et scalable en production.	39 177
18	spark-environment-setup	wshobson/agents	Configurer et déboguer un environnement ML sur DGX Spark avec CUDA 13.	39 177
19	spark-memory-thermal-ops	wshobson/agents	Gérer la mémoire unifiée et les thermiques du DGX Spark GB10 efficacement.	39 177
20	spark-optimization	wshobson/agents	Optimiser les jobs Apache Spark avec partitionnement, mémoire et gestion des shuffles.	39 177
21	spark-training-gotchas	wshobson/agents	Diagnostiquer et corriger les dix pannes récurrentes d'entraînement sur DGX Spark GB10.	39 177
22	vector-index-tuning	wshobson/agents	Optimiser les index vectoriels HNSW pour maximiser rappel, vitesse et mémoire.	39 177
23	vision-sft	wshobson/agents	Configurer et affiner un modèle vision-langage avec LoRA/QLoRA de façon optimale.	39 177
24	agentic-eval	github/awesome-copilot	Implémenter des boucles d'évaluation itératives pour affiner et améliorer les sorties d'agents IA.	38 295
25	arize-annotation	github/awesome-copilot	Créer et gérer des configs d'annotation pour labelliser des spans IA via Arize.	38 295
26	arize-experiment	github/awesome-copilot	Gérer et exporter des expériences d'évaluation de modèles IA via Arize.	38 295
27	arize-instrumentation	github/awesome-copilot	Instrumenter une application avec le tracing Arize AX via une analyse guidée.	38 295
28	bigquery-pipeline-audit	github/awesome-copilot	Auditer un pipeline BigQuery pour coûts, sécurité et fiabilité en production.	38 295
29	datanalysis-credit-risk	github/awesome-copilot	Nettoyer et sélectionner des variables pour modélisation de risque crédit.	38 295
30	eval-driven-dev	github/awesome-copilot	Construire un pipeline d'évaluation automatisé end-to-end pour applications Python utilisant un LLM.	38 295
31	mini-context-graph	github/awesome-copilot	Construire et interroger un graphe de connaissances persistant combinant wiki, entités et sources brutes.	38 295
32	phoenix-evals	github/awesome-copilot	Construire et valider des évaluateurs LLM pour applications IA en production.	38 295
33	phoenix-tracing	github/awesome-copilot	Instrumenter des applications LLM avec Phoenix via le tracing OpenInference.	38 295
34	pinecone-rag	github/awesome-copilot	Construire un pipeline RAG ou une mémoire d'agent persistante avec Pinecone.	38 295
35	cognee	topoteretes/cognee	Gérer des graphes de connaissances avec Cognee via ingestion, enrichissement et recherche.	30 290
36	create-viz	anthropics/knowledge-work-plugins	Générer des visualisations de données professionnelles avec Python selon les meilleures pratiques.	23 698
37	data-visualization	anthropics/knowledge-work-plugins	Créer des visualisations de données efficaces avec Python selon les meilleures pratiques.	23 698
38	instrument-data-to-allotrope	anthropics/knowledge-work-plugins	Convertir des fichiers instruments au format standardisé Allotrope Simple Model pour LIMS.	23 698
39	nextflow-development	anthropics/knowledge-work-plugins	Déployer et exécuter des pipelines bioinformatiques nf-core sur données locales ou publiques.	23 698
40	scvi-tools	anthropics/knowledge-work-plugins	Analyser des données single-cell multi-modales avec les modèles probabilistes scvi-tools.	23 698
41	single-cell-rna-qc	anthropics/knowledge-work-plugins	Automatiser le contrôle qualité de données single-cell RNA-seq selon les bonnes pratiques scverse.	23 698
42	statistical-analysis	anthropics/knowledge-work-plugins	Analyser des données statistiques avec tendances, distributions et tests d'hypothèses.	23 698
43	notebooklm	teng-lin/notebooklm-py	Automatiser Google NotebookLM pour créer, enrichir et interroger des notebooks par code.	18 956
44	hf-cli	huggingface/skills	Gérer dépôts, fichiers et authentification sur le Hub Hugging Face via CLI.	10 965
45	hf-mcp	huggingface/skills	Connecter des assistants IA au Hub Hugging Face pour modèles, datasets et jobs GPU.	10 965
46	hf-mem	huggingface/skills	Estimer la mémoire VRAM nécessaire pour inférer un modèle Hugging Face.	10 965
47	huggingface-community-evals	huggingface/skills	Évaluer localement des modèles Hugging Face Hub avec inspect-ai ou lighteval.	10 965
48	huggingface-llm-trainer	huggingface/skills	Entraîner des modèles de langage avec TRL sur l'infrastructure cloud Hugging Face Jobs.	10 965
49	huggingface-lora-space-builder	huggingface/skills	Créer et publier un espace Gradio sur Hugging Face pour inférence avec un LoRA.	10 965
50	huggingface-paper-publisher	huggingface/skills	Publier, gérer et lier des articles de recherche sur Hugging Face Hub.	10 965

À propos de cette sélection

L'outillage autour de l'IA générative a mûri vite, mais de façon inégale. Les abstractions haut niveau prolifèrent pendant que le bas niveau (embeddings, kernels GPU, pipelines de fine-tuning) reste souvent sous-documenté et morcelé. Les skills data & IA réunis ici couvrent précisément cette zone. Un ingénieur ML qui veut déboguer un kernel Metal ou optimiser un graphe PyTorch trouvera des ressources issues directement des équipes PyTorch. Un dev backend qui bascule vers du RAG trouvera de quoi brancher Qdrant, construire ses pipelines de vecteurs et interroger des modèles via l'API Claude d'Anthropic. Python domine largement le corpus, ce qui reflète l'état réel de l'écosystème. Les profils data engineers habitués à Astronomer ont aussi leur place, avec des skills couvrant l'orchestration de workflows au plus près de la prod.