🤖 Automatisieren Sie Datenanalyse und maschinelles Lernen mit einem Multi-Agenten-System, das mithilfe modernster KI-Technologien effizient Erkenntnisse und Berichte liefert.
Dieses Skill, 'monat1628/AI_agents', ist ein Multi-Agenten-System zur Automatisierung von Datenanalyse und maschinellem Lernen. Es nutzt fortschrittliche KI-Technologien, um aus Daten effizient Erkenntnisse zu gewinnen und Berichte zu erstellen. Der Skill ist ideal für Entwickler und Data Scientists, die komplexe Analyse-Workflows vereinfachen und beschleunigen möchten. Durch den Einsatz mehrerer spezialisierter Agenten können verschiedene Aufgaben wie Datenbereinigung, Merkmalsextraktion und Modellierung parallel bearbeitet werden. Die Plattform unterstützt die Integration in gängige Entwicklungsumgebungen und ermöglicht eine nahtlose Einbindung in bestehende Datenpipelines.
npx skills add monat1628/AI_agentsInstalled? Explore more Recherche & Datenanalyse skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →
🤖 Automatisieren Sie Datenanalyse und maschinelles Lernen mit einem Multi-Agenten-System, das mithilfe modernster KI-Technologien effizient Erkenntnisse und Berichte liefert.
Quelle: https://github.com/monat1628/AI_agents
Veröffentlicht: 2026-05-12T10:18:47Z Sterne: 5
USPTO patent and trademark data workflow for official record lookup, PatentSearch queries, TSDR checks, assignment data, and reproducible IP research logs.
Structured scholarly-work evaluation for papers, proposals, literature reviews, methods sections, evidence quality, citation support, and research-writing feedback.
Systematic literature-review workflow for academic, biomedical, technical, and scientific topics, including search planning, source screening, synthesis, citation checks, and evidence logging.
The agent harness performance optimization system. Skills, instincts, memory, security, and research-first development for Claude Code, Codex, Opencode, Cursor and beyond.
Agent skill repository discovered by 10x-chat research.
Review backend code for quality, security, maintainability, and best practices based on established checklist rules. Use when the user requests a review, analysis, or improvement of backend files (e.g., `.py`) under the `api/` directory. Do NOT use for frontend files (e.g., `.tsx`, `.ts`, `.js`). Supports pending-change review, code snippets review, and file-focused review.