Was macht DeepAnalyze?
Das erste agentische LLM für autonome Datenwissenschaft, das komplexe datenzentrierte Aufgaben ohne menschliches Eingreifen bewältigt.
Das erste agentische LLM für autonome Datenwissenschaft, das komplexe datenzentrierte Aufgaben ohne menschliches Eingreifen bewältigt.
DeepAnalyze ist das erste agentische Large Language Model (LLM), das speziell für autonome Datenwissenschaft entwickelt wurde. Es ermöglicht datenzentrierte Aufgaben wie Datenbereinigung, explorative Datenanalyse, Feature-Engineering, Modellbildung und -bewertung vollständig ohne menschliches Eingreifen. Dieses Skill unterstützt verschiedene KI-Agenten-Plattformen wie Claude Code, Cursor und Codex, indem es einen Agenten bereitstellt, der Data-Science-Workflows automatisch orchestriert und ausführt. Es ist besonders nützlich für Entwickler und Data Scientists, die Routineaufgaben automatisieren oder komplexe Analysen in großem Maßstab durchführen möchten, ohne ständig manuelle Eingaben zu benötigen. DeepAnalyze nutzt erweiterte Planungs- und Ausführungsfähigkeiten, um Datenquellen zu analysieren, geeignete Algorithmen auszuwählen und Ergebnisse in interpretierbarer Form zu präsentieren.
npx skills add ruc-datalab/DeepAnalyzeInstalled? Explore more Recherche & Datenanalyse skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →
Das erste agentische LLM für autonome Datenwissenschaft, das komplexe datenzentrierte Aufgaben ohne menschliches Eingreifen bewältigt.
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.