O que abaqus-ml-skills faz?
Habilidades de agente Claude Code que integram Abaqus FEA e substitutos de ML: geração de conjuntos de dados em lote LHS + conversão de ODB para CSVs de grade prontos para ML.
Habilidades de agente Claude Code que integram Abaqus FEA e substitutos de ML: geração de conjuntos de dados em lote LHS + conversão de ODB para CSVs de grade prontos para ML.
Este conjunto de habilidades para agentes Claude Code atua como uma ponte entre simulações de Elementos Finitos (FEA) no Abaqus e modelos de Aprendizado de Máquina (ML). As principais funcionalidades incluem a geração automatizada de conjuntos de dados em lote usando amostragem Hipercubo Latino (LHS) para criar entradas de simulação variadas e a conversão de arquivos de saída do Abaqus (ODB) em arquivos CSV estruturados em grade, prontos para consumo por pipelines de ML. Isso é útil para engenheiros e cientistas de dados que desejam criar rapidamente grandes conjuntos de dados de simulação para treinar modelos substitutos (surrogates), reduzindo o tempo de simulação repetitiva. A skill é projetada para ser usada com o Claude Code, automatizando tarefas que normalmente exigiriam scripts manuais, e suporta a integração direta com o ecossistema Abaqus.
npx skills add Haibarakiku/abaqus-ml-skillsInstalled? Explore more Pesquisa e Análise de Dados skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →
Habilidades de agente Claude Code que integram Abaqus FEA e substitutos de ML: geração de conjuntos de dados em lote LHS + conversão de ODB para CSVs de grade prontos para ML.
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.