O que DeepAnalyze faz?
O primeiro LLM agêntico para ciência de dados autônoma, capaz de realizar tarefas complexas centradas em dados sem intervenção humana.
O primeiro LLM agêntico para ciência de dados autônoma, capaz de realizar tarefas complexas centradas em dados sem intervenção humana.
DeepAnalyze é um LLM (Large Language Model) agêntico projetado para automatizar fluxos de trabalho de ciência de dados sem intervenção humana. Ele é útil para desenvolvedores e cientistas de dados que desejam delegar tarefas complexas como análise exploratória, limpeza de dados, engenharia de características, seleção de modelos, otimização de hiperparâmetros e geração de relatórios. O skill suporta plataformas como Claude Code, Cursor e Codex, integrando-se com ambientes de notebooks Jupyter, arquivos CSV/JSON, e bancos de dados SQL. Seu funcionamento baseia-se em raciocínio em cadeia (chain-of-thought) e chamadas a ferramentas (Ferramenta de execução de código, busca de bibliotecas, acesso a datasets) para iterar sobre hipóteses, executar experimentos e apresentar resultados de forma autônoma. Com DeepAnalyze, tarefas repetitivas ou que exigem análise de grandes volumes de dados são executadas de ponta a ponta, poupando tempo e aumentando a produtividade.
npx skills add ruc-datalab/DeepAnalyzeInstalled? Explore more Pesquisa e Análise de Dados skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →
O primeiro LLM agêntico para ciência de dados autônoma, capaz de realizar tarefas complexas centradas em dados sem intervenção humana.
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.