Data & IA
Skills pour LLM, bases vectorielles, training de modeles et scraping web.
| # | Skill | Source | Description | Maj | |
|---|---|---|---|---|---|
| 1 | firecrawl-research-index | firecrawl/cli | Rechercher et retrouver des articles scientifiques pertinents via requête textuelle ou identifiant. | 605 | 7h |
| 2 | firecrawl | firecrawl/cli | Rechercher, scraper et interagir avec le web en retournant du markdown propre. | 605 | 7h |
| 3 | firecrawl-monitor | firecrawl/cli | Surveiller des pages web et recevoir des alertes automatiques lors de changements détectés. | 605 | 7h |
| 4 | firecrawl-search | firecrawl/cli | Rechercher sur le web et récupérer le contenu complet des pages résultantes. | 605 | 7h |
| 5 | firecrawl-scrape | firecrawl/cli | Extraire le contenu de pages web en markdown optimisé pour les LLMs. | 605 | 7h |
| 6 | firecrawl-map | firecrawl/cli | Cartographier toutes les URLs d'un site web avec filtrage par recherche. | 605 | 7h |
| 7 | firecrawl-interact | firecrawl/cli | Interagir avec des pages web en session navigateur live via prompts ou code. | 605 | 7h |
| 8 | firecrawl-download | firecrawl/cli | Télécharger un site entier en fichiers locaux organisés via map et scrape. | 605 | 7h |
| 9 | firecrawl-crawl | firecrawl/cli | Extraire en masse le contenu de multiples pages d'un site web via crawl. | 605 | 7h |
| 10 | firecrawl-agent | firecrawl/cli | Extraire automatiquement des données structurées depuis des sites web complexes multi-pages. | 605 | 7h |
| 11 | browser-use | browser-use/browser-use | Contrôler un navigateur Chrome via CDP pour automatiser des tâches web. | 111 268 | 14h |
| 12 | gemini-live-api-dev | google-gemini/gemini-skills | Développer des interactions vocales et vidéo temps réel avec l'API Gemini Live. | 3 943 | 15h |
| 13 | gemini-interactions-api | google-gemini/gemini-skills | Interagir avec les modèles Gemini via une API unifiée et conversationnelle. | 3 943 | 16h |
| 14 | gemini-api-dev | google-gemini/gemini-skills | Intégrer et utiliser l'API Gemini avec les SDK officiels à jour. | 3 943 | 16h |
| 15 | langfuse | langfuse/skills | Instrumenter, déboguer et interroger Langfuse via CLI, docs et SDK à jour. | 259 | 17h |
| 16 | qdrant-hybrid-search-combining | qdrant/skills | Fusionner des résultats de recherche parallèles via RRF, DBSF ou late interaction. | 224 | 19h |
| 17 | qdrant-hybrid-search | qdrant/skills | Construire des pipelines de recherche hybride dans Qdrant via l'API Query. | 224 | 19h |
| 18 | x-twitter-scraper | github/awesome-copilot | Intégrer l'API Xquik pour scraper, monitorer et automatiser des tâches X/Twitter. | 38 295 | 1j |
| 19 | develop-ai-functions-example | vercel/ai | Tester et valider des fonctions SDK IA multi-providers avec des exemples structurés. | 26 434 | 1j |
| 20 | add-provider-package | vercel/ai | Créer et intégrer un nouveau package provider dans l'AI SDK Vercel. | 26 434 | 1j |
| 21 | cuopt-install | nvidia/skills | Installer cuOpt via pip, conda ou Docker pour Python, C ou REST. | 3 114 | 1j |
| 22 | agents | elevenlabs/skills | Créer et déployer des agents IA vocaux conversationnels via ElevenLabs. | 424 | 1j |
| 23 | tao-validate-dataset-format | nvidia/skills | Valider un dataset DAFT avec tao-daft validate et interpréter les résultats. | 3 114 | 1j |
| 24 | tao-train-sparse4d | nvidia/skills | Détecter et suivre des objets 3D multi-caméras avec attention temporelle déformable. | 3 114 | 1j |
| 25 | tao-train-single-step | nvidia/skills | Entraîner, évaluer et exporter un modèle TAO via fine-tuning supervisé standard. | 3 114 | 1j |
| 26 | tao-train-segformer | nvidia/skills | Segmenter des images sémantiquement avec SegFormer, un transformer léger hiérarchique. | 3 114 | 1j |
| 27 | tao-train-rtdetr | nvidia/skills | Entraîner et déployer un modèle de détection d'objets 2D en temps réel. | 3 114 | 1j |
| 28 | tao-train-reid | nvidia/skills | Réidentifier des personnes à travers différentes caméras via des embeddings discriminants. | 3 114 | 1j |
| 29 | tao-train-pose-classification | nvidia/skills | Classifier des séquences squelettiques en catégories d'actions via ST-GCN. | 3 114 | 1j |
| 30 | tao-train-pointpillars | nvidia/skills | Détecter des objets 3D depuis des nuages de points LiDAR via PointPillars. | 3 114 | 1j |
| 31 | tao-train-optical-inspection | nvidia/skills | Détecter des défauts de fabrication par comparaison d'images avec des réseaux siamois. | 3 114 | 1j |
| 32 | tao-train-oneformer | nvidia/skills | Segmenter des images universellement en combinant segmentation panoptique, sémantique et d'instances. | 3 114 | 1j |
| 33 | tao-train-ocrnet | nvidia/skills | Reconnaître et entraîner un modèle OCR sur des images de texte découpées. | 3 114 | 1j |
| 34 | tao-train-ocdnet | nvidia/skills | Détecter des zones de texte orienté dans des images naturelles via binarisation différentiable. | 3 114 | 1j |
| 35 | tao-train-nvpanoptix3d | nvidia/skills | Reconstruire une scène 3D panoptique en segmentation sémantique et d'instance depuis des images RGB. | 3 114 | 1j |
| 36 | tao-train-nvdinov2 | nvidia/skills | Entraîner des transformeurs visuels par auto-distillation sans étiquettes avec NVDINOv2. | 3 114 | 1j |
| 37 | tao-train-metric-learning-recognition | nvidia/skills | Entraîner un modèle de reconnaissance visuelle fine par metric learning avec AutoML. | 3 114 | 1j |
| 38 | tao-train-mask2former | nvidia/skills | Segmenter des images en mode panoptique, d'instance et sémantique avec Mask2Former. | 3 114 | 1j |
| 39 | tao-train-mask-grounding-dino | nvidia/skills | Segmenter des instances ouvertes guidées par prompts texte avec Grounding DINO masqué. | 3 114 | 1j |
| 40 | tao-train-mask-auto-label | nvidia/skills | Générer des masques de segmentation à partir d'annotations minimales via ViT-MAE. | 3 114 | 1j |
| 41 | tao-train-mask-auto-encoder | nvidia/skills | Pré-entraîner et affiner un Masked Autoencoder pour apprendre des représentations visuelles. | 3 114 | 1j |
| 42 | tao-train-image-classification | nvidia/skills | Entraîner et déployer des modèles de classification d'images PyTorch avec AutoML. | 3 114 | 1j |
| 43 | tao-train-grounding-dino | nvidia/skills | Détecter des objets dans des images via des descriptions textuelles sans vocabulaire de classes fixe. | 3 114 | 1j |
| 44 | tao-train-dino | nvidia/skills | Détecter des objets 2D avec DINO via entraînement AutoML et déploiement TensorRT. | 3 114 | 1j |
| 45 | tao-train-deformable-detr | nvidia/skills | Détecter des objets 2D efficacement avec Deformable DETR multi-échelle. | 3 114 | 1j |
| 46 | tao-train-centerpose | nvidia/skills | Estimer la pose 6-DoF d'objets via détection de centres et régression de points clés. | 3 114 | 1j |
| 47 | tao-train-bevfusion | nvidia/skills | Fusionner LiDAR et caméras en espace BEV pour la détection 3D autonome. | 3 114 | 1j |
| 48 | tao-train-action-recognition | nvidia/skills | Reconnaître des actions humaines dans des vidéos via flux RGB, optique ou combiné. | 3 114 | 1j |
| 49 | tao-run-inference-service | nvidia/skills | Déployer et interroger des microservices d'inférence TAO sur plusieurs plateformes cloud. | 3 114 | 1j |
| 50 | tao-run-automl | nvidia/skills | Automatiser l'optimisation d'hyperparamètres TAO sur toute plateforme GPU compatible. | 3 114 | 1j |
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.