golden-jupyter-dir
О программе
Этот навык Claude предоставляет тестовый блокнот для сборки golden_jupyter_dir, включающий Python 3.11.4 с ключевыми библиотеками для анализа данных (numpy, pandas, sklearn). Разработчики должны использовать его для понимания рабочего процесса анализа, воспроизведения вычислительных шагов и проверки методологии или визуализаций из сборки.
Быстрая установка
Claude Code
Рекомендуетсяnpx skills add yusufkaraaslan/Skill_Seekers -a claude-code/plugin add https://github.com/yusufkaraaslan/Skill_Seekersgit clone https://github.com/yusufkaraaslan/Skill_Seekers.git ~/.claude/skills/golden-jupyter-dirСкопируйте и вставьте эту команду в Claude Code для установки этого навыка
Документация
Golden_Jupyter_Dir Notebook Skill
Use when testing the golden_jupyter_dir golden build
📋 Notebook Information
Kernel: Python 3
Language: python 3.11.4
💡 When to Use This Skill
Use this skill when you need to:
- Understand golden_jupyter_dir concepts and analysis workflow
- Reference code examples and their outputs
- Reproduce data analysis or computation steps
- Review methodology, visualizations, and results
- Find library usage patterns and best practices
📖 Section Overview
Total Sections: 5
Content Breakdown:
- Data Loading: 1 sections
- Evaluation: 1 sections
- Setup: 1 sections
- Other: 2 sections
🔑 Key Concepts
Main topics covered in this notebook
Major Topics:
- Getting Started
Subtopics:
- Modeling Results
📦 Dependencies
3 package(s) imported
numpypandassklearn
⚡ Quick Reference
Common documentation patterns found:
Getting Started (1 sections):
- Getting Started (section 1)
Modeling (1 sections):
- Modeling Results (section 5)
📝 Code Examples
High-quality code cells from notebook
Bash Examples (1)
Example 1 (Quality: 5.0/10):
pip install pandas
Python Examples (3)
Example 1 (Quality: 9.5/10):
def long_example():
x0 = 0
x1 = 1
x2 = 2
x3 = 3
x4 = 4
x5 = 5
x6 = 6
x7 = 7
x8 = 8
x9 = 9
x10 = 10
x11 = 11
x12 = 12
x13 = 13
x14 = 14
x15 = 15
x16 = 16
x17 = 17
x18 = 18
x19 = 19
x20 = 20
x21 = 21
x22 = 22
x23 = 23
x24 = 24
x25 = 25
x26 = 26
x27 = 27
x28 = 28
x29 = 29
x30 = 30
x31 = 31
x32 = 32
x33 = 33
x34 = 34
x35 = 35
x36 = 36
x37 = 37
x3
...
In [2] (Quality: 7.5/10):
import pandas as pd
df = pd.read_csv('data.csv')
df.head()
Example 3 (Quality: 2.0/10):
%timeit broken()
📊 Notebook Statistics
- Total Sections: 5
- Code Cells: 2
- Markdown Cells: 2
- Raw Cells: 1
- Notebooks: 1
- Programming Languages: 2
Language Breakdown:
- python: 3 code cells
- bash: 1 code cells
🗺️ Navigation
Reference Files:
references/section_s2-s2.md- Data Loadingreferences/section_s5-s5.md- Evaluationreferences/section_s1-s1.md- Setupreferences/section_s3-s4.md- Other
See references/index.md for complete notebook structure.
Generated by Skill Seeker | Jupyter Notebook Scraper
GitHub репозиторий
Frequently asked questions
What is the golden-jupyter-dir skill?
golden-jupyter-dir is a Claude Skill by yusufkaraaslan. Skills package instructions and resources that Claude loads on demand, so Claude can perform golden-jupyter-dir-related tasks without extra prompting.
How do I install golden-jupyter-dir?
Use the install commands on this page: add golden-jupyter-dir to Claude Code as a plugin, or clone its repository into your skills directory, then restart Claude so it picks up the skill.
What category does golden-jupyter-dir belong to?
golden-jupyter-dir is in the Meta category, tagged testing and design.
Is golden-jupyter-dir free to use?
Yes. golden-jupyter-dir is listed on AIMCP and free to install. It runs inside Claude, so no separate service account is required to use the skill itself.
Похожие навыки
Этот навык предоставляет проверенную в продакшене настройку для Content Collections — TypeScript-ориентированного инструмента, который преобразует файлы Markdown/MDX в типобезопасные коллекции данных с валидацией Zod. Используйте его при создании блогов, сайтов документации или контентных приложений на Vite + React для обеспечения типобезопасности и автоматической проверки содержимого. Он охватывает всё: от настройки плагина Vite и компиляции MDX до оптимизации развертывания и валидации схем.
Этот навык позволяет разработчикам создавать приложения на платформе прогнозных рынков Polymarket, включая интеграцию с API для торговли и получения рыночных данных. Он также обеспечивает потоковую передачу данных в реальном времени через WebSocket для отслеживания текущих сделок и рыночной активности. Используйте его для реализации торговых стратегий или создания инструментов, обрабатывающих обновления рынка в реальном времени.
Этот навык помогает разработчикам создавать плагины OpenCode, которые подключаются к более чем 25 типам событий, таким как команды, файлы и операции LSP. Он предоставляет структуру плагина, спецификации API событий и шаблоны реализации для модулей на JavaScript/TypeScript. Используйте его, когда вам нужно перехватывать, отслеживать или расширять жизненный цикл ассистента OpenCode AI с помощью пользовательской событийно-ориентированной логики.
SGLang — это высокопроизводительный фреймворк для обслуживания больших языковых моделей (LLM), специализирующийся на быстрой структурированной генерации JSON, regex и рабочих процессов агентов с использованием кэширования префиксов RadixAttention. Он обеспечивает значительно более высокую скорость вывода, особенно для задач с повторяющимися префиксами, что делает его идеальным для сложных структурированных результатов и многократных диалогов. Выбирайте SGLang вместо альтернатив, таких как vLLM, когда вам требуется ограниченное декодирование или вы создаете приложения с интенсивным совместным использованием префиксов.
