Communitygithub.com

scientific-slides

Créez des diaporamas et des présentations pour des exposés de recherche. Utilisez cette compétence pour réaliser des présentations PowerPoint, des exposés de conférence, des séminaires, des présentations de recherche, des diapositives de soutenance de thèse ou tout exposé scientifique. Fournit une structure de diapositives, des modèles de conception, des conseils de minutage et une validation visuelle. Fonctionne avec PowerPoint et LaTeX Beamer.

Qu'est-ce que scientific-slides ?

Cette compétence, `scientific-slides`, fournit un guide complet pour créer des présentations scientifiques percutantes. Elle se concentre sur les présentations orales pour les conférences, les séminaires, les soutenances et les exposés professionnels, avec une philosophie de conception visant des diapositives visuellement attrayantes et fondées sur la recherche, en évitant les diapositives denses en texte. La compétence prend en charge la génération de diapositives via Nano Banana Pro, avec des flux de travail pour créer des PDF (recommandé pour des résultats visuels époustouflants) ou des présentations PowerPoint avec des visuels générés séparément. Elle propose des directives pour la structuration des présentations, la conception des diapositives, la visualisation des données, l'intégration de citations, et la validation, ainsi que des scripts pratiques comme `generate_slide_image.py` et `slides_to_pdf.py`. Conçue pour être utilisée avec des compétences complémentaires telles que `research-lookup` pour les citations et `scientific-schematics` pour les diagrammes techniques, cette compétence est idéale pour les chercheurs, les étudiants et les professionnels préparant des exposés scientifiques sur toutes les plateformes majeures (PowerPoint, Beamer, PDF).

Compatible avec✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/K-Dense-AI/scientific-agent-skills/tree/main/skills/scientific-slides

Demander à votre IA préférée

Ouvre une nouvelle conversation avec cette compétence d'agent déjà préchargée.

Documentation

Diapositives Scientifiques

Aperçu

Les présentations scientifiques sont un moyen essentiel de communiquer la recherche, de partager les découvertes et d'interagir avec des publics académiques et professionnels. Cette compétence fournit des conseils complets pour créer des présentations scientifiques efficaces, de la structure et du développement du contenu à la conception visuelle et à la préparation de la présentation.

Objectif principal : Présentations orales pour conférences, séminaires, soutenances et exposés professionnels.

PHILOSOPHIE DE CONCEPTION CRITIQUE : Les présentations scientifiques doivent être VISUELLEMENT ATTRAYANTES et FONDÉES SUR LA RECHERCHE. Évitez à tout prix les diapositives sèches et denses en texte. Les grandes présentations scientifiques combinent :

  • Des visuels convaincants : Figures, images, diagrammes de haute qualité (pas seulement des points de liste)
  • Un contexte de recherche : Citations appropriées issues de recherches pour établir la crédibilité
  • Un texte minimal : Des points de liste comme prompts, VOUS fournissez l'explication verbalement
  • Un design professionnel : Schémas de couleurs modernes, hiérarchie visuelle forte, espaces blancs généreux
  • Axé sur l'histoire : Arc narratif clair, pas seulement des déversements de données

Souvenez-vous : Présentations ennuyeuses = science oubliée. Rendez vos diapositives visuellement mémorables tout en maintenant la rigueur scientifique grâce à des citations appropriées.

Quand Utiliser Cette Compétence

Cette compétence doit être utilisée lorsque :

  • Vous préparez des présentations de conférence (5-20 minutes)
  • Vous développez des séminaires académiques (45-60 minutes)
  • Vous créez des présentations de soutenance de thèse ou de doctorat
  • Vous concevez des présentations pour des demandes de subvention
  • Vous préparez des présentations pour un journal club
  • Vous donnez des exposés de recherche dans des institutions ou des entreprises
  • Vous préparez des présentations d'enseignement ou de tutorat sur des sujets scientifiques

Génération de Diapositives avec Nano Banana Pro

Cette compétence utilise l'IA Nano Banana Pro pour générer automatiquement des diapositives de présentation époustouflantes.

Il existe deux flux de travail en fonction du format de sortie :

Flux de Travail par Défaut : Diapositives PDF (Recommandé)

Générez chaque diapositive comme une image complète en utilisant Nano Banana Pro, puis combinez-les en un PDF. Cela produit les résultats les plus époustouflants visuellement.

Comment cela fonctionne :

  1. Planifiez le jeu de diapositives : Créez un plan détaillé pour chaque diapositive (titre, points clés, éléments visuels)
  2. Générez les diapositives : Appelez Nano Banana Pro pour chaque diapositive afin de créer des images de diapositives complètes
  3. Combinez en PDF : Assemblez les images des diapositives en une seule présentation PDF

Étape 1 : Planifier Chaque Diapositive

Avant de générer, créez un plan détaillé pour votre présentation :

# Plan de Présentation : Introduction au Machine Learning

## Diapositive 1 : Diapositive de Titre
- Titre : "Machine Learning : De la Théorie à la Pratique"
- Sous-titre : "Conférence IA 2025"
- Orateur : Dr. Jane Smith, Université de XYZ
- Visuel : Fond abstrait moderne de réseau neuronal

## Diapositive 2 : Introduction
- Titre : "Pourquoi le Machine Learning est Important"
- Points clés : Adoption par l'industrie, applications révolutionnaires, potentiel futur
- Visuel : Icônes montrant différentes applications du ML (santé, finance, robotique)

## Diapositive 3 : Concepts Fondamentaux
- Titre : "Les Trois Types d'Apprentissage"
- Contenu : Supervisé, Non supervisé, Par renforcement
- Visuel : Diagramme en trois parties montrant chaque type avec des exemples

... (continuez pour toutes les diapositives)

Étape 2 : Générer Chaque Diapositive

Utilisez le script generate_slide_image.py pour créer chaque diapositive.

CRITIQUE : Protocole de Cohérence de Formatage

Pour garantir un formatage unifié sur toutes les diapositives d'une présentation :

  1. Définissez un Objectif de Formatage au début de votre présentation et incluez-le dans CHAQUE prompt :

    • Schéma de couleurs (ex. "fond bleu foncé, texte blanc, accents dorés")
    • Style typographique (ex. "titres gras sans empattement, texte de corps propre")
    • Style visuel (ex. "esthétique minimaliste, professionnelle, corporative")
    • Approche de mise en page (ex. "espaces blancs généreux, contenu aligné à gauche")
  2. Joignez toujours la diapositive précédente lors de la génération des diapositives suivantes en utilisant --attach :

    • Cela permet à Nano Banana Pro de voir et de correspondre au style existant
    • Crée une continuité visuelle dans l'ensemble du jeu de diapositives
    • Assure des couleurs, polices et langage de conception cohérents
  3. L'auteur par défaut est "K-Dense" sauf si un autre nom est spécifié

  4. Incluez les citations directement dans le prompt pour les diapositives qui font référence à des recherches :

    • Ajoutez les citations dans le texte du prompt pour qu'elles apparaissent sur la diapositive générée
    • Utilisez le format : "Inclure la citation : (Auteur et al., Année)" ou "Afficher la référence : Auteur et al., Année"
    • Pour plusieurs citations, listez-les toutes dans le prompt
    • Les citations doivent apparaître en petit texte en bas de la diapositive ou près du contenu pertinent
  5. Joignez les figures/données existantes pour les diapositives de résultats (CRITIQUE pour les présentations basées sur les données) :

    • Lors de la création de diapositives sur les résultats, vérifiez TOUJOURS les figures existantes dans :
      • Le répertoire de travail (ex. figures/, results/, plots/, images/)
      • Les fichiers ou répertoires d'entrée fournis par l'utilisateur
      • Toute visualisation de données, graphique ou diagramme pertinent pour la présentation
    • Utilisez --attach pour inclure ces figures afin que Nano Banana Pro puisse les intégrer :
      • Joignez la figure/donnée réelle pour les diapositives de résultats
      • Joignez les diagrammes pertinents pour les diapositives de méthodologie
      • Joignez les logos ou images institutionnelles pour les diapositives de titre
    • Lors de la jointure de figures de données, décrivez ce que vous voulez dans le prompt :
      • "Créez une diapositive présentant le graphique de résultats joint avec les principales conclusions mises en évidence"
      • "Construisez une diapositive autour de cette figure jointe, ajoutez un titre et des points de liste expliquant les données"
      • "Incorporez le graphique joint dans une diapositive de résultats avec interprétation"
    • Avant de générer des diapositives de résultats : Listez les fichiers dans le répertoire de travail pour trouver les figures pertinentes
    • Plusieurs figures peuvent être jointes : --attach fig1.png --attach fig2.png

Exemple avec cohérence de formatage, citations et jointures de figures :

# Diapositive de titre (première diapositive - établit le style)
python scripts/generate_slide_image.py "Diapositive de titre pour la présentation : 'Machine Learning : De la Théorie à la Pratique'. Sous-titre : 'Conférence IA 2025'. Orateur : K-Dense. OBJECTIF DE FORMATAGE : Fond bleu foncé (#1a237e), texte blanc, accents dorés (#ffc107), design minimaliste, polices sans empattement, marges généreuses, pas d'éléments décoratifs." -o slides/01_title.png

# Diapositive de contenu avec citations (joindre la diapositive précédente pour la cohérence)
python scripts/generate_slide_image.py "Diapositive de présentation intitulée 'Pourquoi le Machine Learning est Important'. Trois points clés avec des icônes simples : 1) Adoption par l'industrie, 2) Applications révolutionnaires, 3) Potentiel futur. CITATIONS : Inclure en bas en petit texte : (LeCun et al., 2015 ; Goodfellow et al., 2016). OBJECTIF DE FORMATAGE : Correspondre au style de la diapositive jointe - fond bleu foncé, texte blanc, accents dorés, design professionnel minimaliste, pas d'encombrement visuel." -o slides/02_intro.png --attach slides/01_title.png

# Diapositive de contexte avec plusieurs citations
python scripts/generate_slide_image.py "Diapositive de présentation intitulée 'La Révolution du Deep Learning'. Jalons clés : Percée ImageNet (2012), architecture transformeur (2017), modèles GPT (2018-présent). CITATIONS : Afficher les références en bas : (Krizhevsky et al., 2012 ; Vaswani et al., 2017 ; Brown et al., 2020). OBJECTIF DE FORMATAGE : Correspondre exactement au style de la diapositive jointe - mêmes couleurs, polices, design minimaliste." -o slides/03_background.png --attach slides/02_intro.png

# DIAPOSITIVE DE RÉSULTATS - Joindre une figure de données réelle du répertoire de travail
# D'abord, vérifier quelles figures existent : ls figures/ ou ls results/
python scripts/generate_slide_image.py "Diapositive de présentation intitulée 'Résultats de Performance du Modèle'. Créez une diapositive présentant le graphique de précision joint. Principales conclusions à mettre en évidence : 1) Précision de 95% atteinte, 2) Dépasse la référence de 12%, 3) Cohérent sur les ensembles de test. CITATIONS : Inclure en bas : (Nos résultats, 2025). OBJECTIF DE FORMATAGE : Correspondre exactement au style de la diapositive jointe." -o slides/04_results.png --attach slides/03_background.png --attach figures/accuracy_chart.png

# DIAPOSITIVE DE RÉSULTATS - Comparaison de plusieurs figures
python scripts/generate_slide_image.py "Diapositive de présentation intitulée 'Comparaison Avant vs Après'. Construisez une diapositive de comparaison côte à côte en utilisant les deux figures jointes. Gauche : résultats de base, Droite : nos résultats améliorés. Ajoutez de courtes étiquettes expliquant l'amélioration. OBJECTIF DE FORMATAGE : Correspondre exactement au style de la diapositive jointe." -o slides/05_comparison.png --attach slides/04_results.png --attach figures/baseline.png --attach figures/improved.png

# DIAPOSITIVE DE MÉTHODOLOGIE - Joindre un diagramme existant
python scripts/generate_slide_image.py "Diapositive de présentation intitulée 'Architecture du Système'. Présentez le diagramme d'architecture joint avec de brefs points de liste explicatifs : 1) Traitement d'entrée, 2) Inférence du modèle, 3) Génération de sortie. OBJECTIF DE FORMATAGE : Correspondre exactement au style de la diapositive jointe." -o slides/06_architecture.png --attach slides/05_comparison.png --attach diagrams/system_architecture.png

IMPORTANT : Avant de créer des diapositives de résultats, faites toujours :

  1. Listez les fichiers dans le répertoire de travail : ls -la figures/ ou ls -la results/
  2. Vérifiez les répertoires fournis par l'utilisateur pour les figures pertinentes
  3. Joignez TOUTES les figures pertinentes qui doivent apparaître sur la diapositive
  4. Décrivez comment Nano Banana Pro doit intégrer les figures jointes

Modèle de Prompt :

Incluez ces éléments dans chaque prompt (personnalisez si nécessaire) :

[Description du contenu de la diapositive]
CITATIONS : Inclure en bas : (Auteur1 et al., Année ; Auteur2 et al., Année)
OBJECTIF DE FORMATAGE : [Couleur de fond], [couleur du texte], [couleur d'accent], design professionnel minimaliste, pas d'éléments décoratifs, cohérent avec le style de la diapositive jointe.

Étape 3 : Combiner en PDF

# Combiner toutes les diapositives en une présentation PDF
python scripts/slides_to_pdf.py slides/*.png -o presentation.pdf

Flux de Travail PPT : PowerPoint avec Visuels Générés

Lors de la création de présentations PowerPoint, utilisez Nano Banana Pro pour générer des images et des figures pour chaque diapositive, puis ajoutez le texte séparément à l'aide de la compétence PPTX.

Comment cela fonctionne :

  1. Planifiez le jeu de diapositives : Créez un plan de contenu pour chaque diapositive
  2. Générez les visuels : Utilisez Nano Banana Pro avec le flag --visual-only pour créer des images pour les diapositives
  3. Construisez le PPTX : Utilisez la compétence PPTX (PptxGenJS ou basée sur un modèle) pour créer des diapositives avec les visuels générés et le texte séparé

Étape 1 : Générer des Visuels pour Chaque Diapositive

# Générer une figure pour la diapositive d'introduction
python scripts/generate_slide_image.py "Illustration professionnelle montrant les applications du machine learning : diagnostic médical, analyse financière, véhicules autonomes et robotique. Design plat moderne, icônes colorées sur fond blanc." -o figures/ml_applications.png --visual-only

# Générer un diagramme pour la diapositive de méthodes
python scripts/generate_slide_image.py "Diagramme d'architecture de réseau neuronal montrant la couche d'entrée, trois couches cachées et la couche de sortie. Style technique propre avec connexions de nœuds. Schéma de couleurs bleu et gris." -o figures/neural_network.png --visual-only

# Générer un graphique conceptuel pour les résultats
python scripts/generate_slide_image.py "Comparaison avant et après montrant l'amélioration : le côté gauche montre des données encombrées, le côté droit montre des informations organisées. Flèche les reliant. Style professionnel d'entreprise." -o figures/results_visual.png --visual-only

Étape 2 : Construire le PowerPoint avec la Compétence PPTX

Utilisez le flux de travail PptxGenJS de la compétence PPTX pour créer des diapositives qui incluent :

  • Les images générées à l'étape 1
  • Le titre et le texte du corps ajoutés séparément
  • Une mise en page et un formatage professionnels

Voir skills/pptx/SKILL.md pour la documentation complète sur la création PPTX.


Amélioration Visuelle avec les Schémas Scientifiques

En plus de la génération de diapositives, utilisez la compétence scientific-schematics pour les diagrammes techniques :

Quand utiliser scientific-schematics à la place :

  • Diagrammes techniques complexes (schémas de circuits, structures chimiques)
  • Figures de qualité publication pour des articles (seuil de qualité plus élevé)
  • Diagrammes nécessitant une révision de l'exactitude scientifique

Comment générer des schémas :

python scripts/generate_schematic.py "description de votre diagramme" -o figures/sortie.png

Pour des conseils détaillés sur la création de schémas, reportez-vous à la documentation de la compétence scientific-schematics.


Capacités Fondamentales

La structure et l'organisation de la présentation, les principes de conception des diapositives, la visualisation de données pour les diapositives, les conseils spécifiques aux exposés, les options de mise en œuvre (Beamer / PowerPoint / PDF généré), la revue visuelle et l'itération, le minutage et le rythme, et la validation sont tous documentés dans references/slide_capabilities.md.

Le processus de développement par étapes — planification, conception et création, développement du contenu, validation visuelle, pratique et raffinement, et préparation finale — se trouve dans references/presentation_workflow.md.

Les conseils pour la rédaction de prompts pour la génération de diapositives complètes et de visuels uniquement se trouvent dans references/prompt_writing.md. Les arguments et options de chaque script fourni sont dans references/script_reference.md. Les erreurs qui compromettent le plus souvent un exposé sont répertoriées dans references/common_pitfalls.md.

Intégration avec d'Autres Compétences

Recherche Documentaire (Critique pour les Présentations Scientifiques) :

  • Développement du contexte : Recherchez la littérature pour construire le contexte de l'introduction
  • Collecte de citations : Trouvez les articles clés à citer dans votre exposé
  • Identification des lacunes : Identifiez ce qui est inconnu pour motiver la recherche
  • Comparaison avec les travaux antérieurs : Trouvez des articles pour comparer vos résultats
  • Preuves à l'appui : Localisez la littérature soutenant vos interprétations
  • Préparation aux questions : Trouvez des articles qui pourraient éclairer les réponses aux questions
  • Utilisez toujours research-lookup lors du développement de toute présentation scientifique pour garantir un contexte et des citations appropriés

Rédaction Scientifique :

  • Convertissez le contenu d'un article en format de présentation
  • Extrayez les principales conclusions et simplifiez
  • Utilisez les mêmes figures (mais reconçues pour les diapositives)
  • Maintenez une terminologie cohérente

Compétence PPTX :

  • Utilisez-la pour la création et l'édition PowerPoint
  • Exploitez les scripts pour les flux de travail basés sur des modèles
  • Utilisez la génération de miniatures pour la validation
  • Référez-vous au SKILL.md de la compétence PPTX pour la création programmatique

Visualisation de Données :

  • Créez des figures de haute qualité pour les diapositives
  • Concevez des infographies et des diagrammes
  • Générez des graphiques et des tracés à partir de données

Note : Cette compétence ne fournit pas de capacités d'exécution de code ou d'accès direct au système en dehors de ses scripts fournis. Tous les appels à Nano Banana Pro doivent être effectués via les scripts generate_slide_image.py ou via les fonctions de la compétence elle-même. La génération de code basée sur des prompts sensoriels n'est pas prise en charge.

Individual skills in this repo

This repo contains 20 individual skills — each has its own dedicated page.

adaptyv

How to use the Adaptyv Bio Foundry API and Python SDK for protein experiment design, submission, and results retrieval. Use this skill whenever the user mentions Adaptyv, Foundry API, protein binding assays, protein screening experiments, BLI/SPR assays, thermostability assays, or wants to submit protein sequences for experimental characterization. Also trigger when code imports `adaptyv`, `adaptyv_sdk`, or `FoundryClient`, or references `foundry-api-public.adaptyvbio.com`.

aeon

This skill should be used for time series machine learning tasks including classification, regression, clustering, forecasting, anomaly detection, segmentation, and similarity search. Use when working with temporal data, sequential patterns, or time-indexed observations requiring specialized algorithms beyond standard ML approaches. Particularly suited for univariate and multivariate time series analysis with scikit-learn compatible APIs.

alphagenome

Look up precomputed AlphaGenome Atlas effects for any GRCh38 single-nucleotide variant (AVI score with Phred and 18 SHAP feature attributions, plus raw and quantile scores for RNA-seq, DNase, ATAC, ChIP-TF, ChIP-histone, CAGE, PRO-cap, splicing, polyadenylation and contact-map tracks), score variants or scan windows on demand with the AlphaGenome model for human and mouse (variant scoring, in silico mutagenesis, REF-versus-ALT track prediction), and build Atlas website deep links. Use when the user mentions AlphaGenome, AlphaGenome Atlas, AVI or AlphaGenome Variant Impact, DeepMind variant effect prediction, or wants to prioritise or mechanistically interpret non-coding, regulatory, splicing, enhancer, promoter, or chromatin-accessibility effects of SNVs from a VCF, credible set, or region. Research use only; not a clinical tool.

analytical-method-validation

Plan, execute, and document validation, verification, and transfer of analytical procedures under the governing framework - ICH Q2(R2) and Q14, USP <1220>/<1225>/<1226>, ICH M10 bioanalytical, CLSI EP, or ISO/IEC 17025. Use for HPLC, LC-MS/MS, GC, CE, ICP-MS, dissolution, qNMR, qPCR, NIR, and ligand binding or cell-based assays whenever the question is whether a procedure is fit for its intended purpose. Triggers include

anndata

Data structure for annotated matrices in single-cell analysis. Use when working with .h5ad files or integrating with the scverse ecosystem. This is the data format skill—for analysis workflows use scanpy; for probabilistic models use scvi-tools; for population-scale queries use cellxgene-census.

arbor

Autonomously improve a real artifact (code, training recipe, agent harness, data pipeline, prompt) against an objective and an evaluator, using Hypothesis Tree Refinement (HTR) from the Arbor paper. Use this whenever someone wants to iteratively optimize something over many experiments without overfitting — e.g.

arboreto

Infer gene regulatory networks (GRNs) from gene expression data using scalable algorithms (GRNBoost2, GENIE3). Use when analyzing transcriptomics data (bulk RNA-seq, single-cell RNA-seq) to identify transcription factor-target gene relationships and regulatory interactions. Supports distributed computation for large-scale datasets.

astropy

Core Python library for astronomy and astrophysics workflows that need Astropy APIs, including units/quantities, coordinates, FITS I/O, tables, time systems, WCS, and cosmology. Use when implementing or debugging astronomical data analysis code with Astropy.

autoskill

Observe the user

benchling-integration

Benchling Python SDK and REST API integration for registry entities, inventory, ELN entries, workflows, Benchling Apps, and Data Warehouse queries. Use when automating lab data with benchling-sdk or the v2 API.

bgpt-paper-search

Search scientific papers and retrieve structured experimental data extracted from full-text studies via the BGPT MCP server. Returns 25+ fields per paper including methods, results, sample sizes, quality scores, and conclusions. Use for literature reviews, evidence synthesis, and finding experimental details not available in abstracts alone.

bids

>

biopython

Comprehensive molecular biology toolkit. Use for sequence manipulation, file parsing (FASTA/GenBank/PDB), phylogenetics, and programmatic NCBI/PubMed access (Bio.Entrez). Best for batch processing, custom bioinformatics pipelines, BLAST automation. For quick lookups use gget; for multi-service integration use bioservices.

bioservices

Unified Python interface to 40+ bioinformatics services. Use when querying multiple databases (UniProt, KEGG, ChEMBL, Reactome) in a single workflow with consistent API. Best for cross-database analysis, ID mapping across services. For quick single-database lookups use gget; for sequence/file manipulation use biopython.

bulk-rnaseq

End-to-end bulk RNA-seq orchestrator — takes raw FASTQ reads through QC and trimming (FastQC, fastp/Trim Galore), alignment and quantification (STAR, Salmon, featureCounts), assembles a gene-level counts matrix, then hands off to differential expression (pydeseq2), pathway/GSEA enrichment (pathway-enrichment), and publication figures (scientific-visualization). Use whenever the user has bulk RNA-seq reads or quant output and wants a complete, reproducible differential-expression workflow — e.g.

cellxgene-census

Query the CZ CELLxGENE Census programmatically for versioned public single-cell and spatial transcriptomics data. Use when you need population-scale cell metadata, gene expression slices, Census summary counts, source H5AD URIs/downloads, embeddings, spatial Census data, or reference atlas comparisons across organisms, tissues, diseases, assays, and cell types. For analyzing your own local single-cell data use scanpy, anndata, or scvi-tools.

cirq

Google quantum computing framework. Use when targeting Google Quantum AI hardware, designing noise-aware circuits, or running quantum characterization experiments. Best for Google hardware, noise modeling, and low-level circuit design. For IBM hardware use qiskit; for quantum ML with autodiff use pennylane; for physics simulations use qutip.

citation-management

Comprehensive citation management for academic research. Search OpenAlex, PubMed, and Google Scholar for papers, extract accurate metadata, validate citations, and generate properly formatted BibTeX entries. This skill should be used when you need to find papers, verify citation information, convert DOIs to BibTeX, or ensure reference accuracy in scientific writing.

clinical-decision-support

Prepare and validate research-only clinical decision-support evaluation, evidence-profile, cohort, survival, biomarker/model, privacy, and governance artifacts. Use for aggregate or synthetic research documentation and traceability—not patient care or live clinical operation.

clinical-reports

Create safety-bounded draft structures and run local deterministic checks for clinical case, diagnostic, trial, safety, and aggregate research reports. Use only with synthetic, de-identified, or aggregate inputs and verified source-fact manifests; every output requires qualified review.

Skills associés