Data & IA

Skills pour LLM, bases vectorielles, training de modeles et scraping web.

161 skills

# Skill Source Description Δ
1 open-source browser-use/browser-use Automatiser la navigation web en Python avec des agents IA configurables. 93 761 1266
2 jupyter-notebook openai/skills Créer et structurer des notebooks Jupyter reproductibles pour expériences ou tutoriels. 19 023 592
3 arize-annotation github/awesome-copilot Créer et gérer des configs d'annotation pour labelliser des spans IA via Arize. 32 871 588
4 arize-experiment github/awesome-copilot Gérer et exporter des expériences d'évaluation de modèles IA via Arize. 32 871 588
5 dataverse-python-advanced-patterns github/awesome-copilot Générer du code Python production-ready pour interagir avec l'API Dataverse via son SDK. 32 871 588
6 dataverse-python-production-code github/awesome-copilot Générer du code Python production-ready pour interagir avec l'API Dataverse. 32 871 588
7 doublecheck github/awesome-copilot Vérifier automatiquement les affirmations d'une réponse IA avec sourçage détaillé. 32 871 588
8 geofeed-tuner github/awesome-copilot Créer et optimiser des feeds de géolocalisation IP au format CSV selon RFC 8805. 32 871 588
9 phoenix-evals github/awesome-copilot Construire et valider des évaluateurs LLM pour applications IA en production. 32 871 588
10 phoenix-tracing github/awesome-copilot Instrumenter des applications LLM avec Phoenix via le tracing OpenInference. 32 871 588
11 python-mcp-server-generator github/awesome-copilot Générer un serveur MCP Python complet, production-ready, avec outils typés et gestion d'erreurs. 32 871 588
12 agent-governance github/awesome-copilot Appliquer des règles de sécurité et de conformité aux actions d'un agent IA. 32 871 588
13 agentic-eval github/awesome-copilot Implémenter des boucles d'évaluation itératives pour affiner et améliorer les sorties d'agents IA. 32 871 588
14 bigquery-pipeline-audit github/awesome-copilot Auditer un pipeline BigQuery pour coûts, sécurité et fiabilité en production. 32 871 588
15 datanalysis-credit-risk github/awesome-copilot Nettoyer et sélectionner des variables pour modélisation de risque crédit. 32 871 588
16 eval-driven-dev github/awesome-copilot Construire un pipeline d'évaluation automatisé end-to-end pour applications Python utilisant un LLM. 32 871 588
17 mini-context-graph github/awesome-copilot Construire et interroger un graphe de connaissances persistant combinant wiki, entités et sources brutes. 32 871 588
18 nextflow-development anthropics/knowledge-work-plugins Déployer et exécuter des pipelines bioinformatiques nf-core sur données locales ou publiques. 12 099 241
19 single-cell-rna-qc anthropics/knowledge-work-plugins Automatiser le contrôle qualité de données single-cell RNA-seq selon les bonnes pratiques scverse. 12 099 241
20 create-viz anthropics/knowledge-work-plugins Générer des visualisations de données professionnelles avec Python selon les meilleures pratiques. 12 099 241
21 instrument-data-to-allotrope anthropics/knowledge-work-plugins Convertir des fichiers instruments au format standardisé Allotrope Simple Model pour LIMS. 12 099 241
22 scvi-tools anthropics/knowledge-work-plugins Analyser des données single-cell multi-modales avec les modèles probabilistes scvi-tools. 12 099 241
23 data-visualization anthropics/knowledge-work-plugins Créer des visualisations de données efficaces avec Python selon les meilleures pratiques. 12 099 241
24 statistical-analysis anthropics/knowledge-work-plugins Analyser des données statistiques avec tendances, distributions et tests d'hypothèses. 12 099 241
25 aoti-debug pytorch/pytorch Diagnostiquer et corriger les erreurs courantes d'AOTInductor avec méthode. 99 883 191
26 pt2-bug-basher pytorch/pytorch Déboguer les erreurs de compilation PyTorch 2 via Dynamo, Inductor et AOTAutograd. 99 883 191
27 hf-mcp huggingface/skills Connecter des assistants IA au Hub Hugging Face pour modèles, datasets et jobs GPU. 10 483 77
28 hf-cli huggingface/skills Gérer dépôts, fichiers et authentification sur le Hub Hugging Face via CLI. 10 483 77
29 huggingface-community-evals huggingface/skills Évaluer localement des modèles Hugging Face Hub avec inspect-ai ou lighteval. 10 483 77
30 huggingface-paper-publisher huggingface/skills Publier, gérer et lier des articles de recherche sur Hugging Face Hub. 10 483 77
31 huggingface-llm-trainer huggingface/skills Entraîner des modèles de langage avec TRL sur l'infrastructure cloud Hugging Face Jobs. 10 483 77
32 huggingface-trackio huggingface/skills Suivre, visualiser et piloter des expériences d'entraînement ML en temps réel. 10 483 77
33 huggingface-vision-trainer huggingface/skills Entraîner des modèles de vision (détection, classification, segmentation) sur GPU cloud Hugging Face. 10 483 77
34 train-sentence-transformers huggingface/skills Entraîner des modèles sentence-transformers bi-encodeur, cross-encoder ou SPLADE selon le cas d'usage. 10 483 77
35 agent-framework-azure-ai-py microsoft/skills Créer des agents persistants sur Azure AI Foundry avec outils intégrés et gestion de conversation. 2 300 68
36 azure-ai-contentunderstanding-py microsoft/skills Extraire du contenu sémantique multimodal depuis documents, vidéos, audios et images. 2 300 68
37 azure-ai-language-conversations-py microsoft/skills Implémenter l'analyse conversationnelle Azure AI avec le SDK Python dédié. 2 300 68
38 azure-ai-ml-py microsoft/skills Gérer les ressources Azure ML via le SDK Python v2. 2 300 68
39 azure-ai-projects-py microsoft/skills Créer et déployer des agents IA sur Microsoft Azure Foundry via le SDK Python. 2 300 68
40 azure-ai-transcription-py microsoft/skills Transcrire de l'audio en texte via Azure AI, en temps réel ou par lot. 2 300 68
41 azure-ai-vision-imageanalysis-py microsoft/skills Analyser des images Azure AI pour extraire texte, objets, légendes et tags. 2 300 68
42 azure-search-documents-py microsoft/skills Implémenter la recherche full-text, vectorielle et hybride avec Azure AI Search. 2 300 68
43 azure-speech-to-text-rest-py microsoft/skills Transcrire des fichiers audio courts en texte via l'API REST Azure Speech. 2 300 68
44 gemini-api-dev google-gemini/gemini-skills Intégrer et utiliser l'API Gemini avec les SDK officiels à jour. 3 473 55
45 gemini-live-api-dev google-gemini/gemini-skills Développer des interactions vocales et vidéo temps réel avec l'API Gemini Live. 3 473 55
46 creating-mermaid-dbt-dag dbt-labs/dbt-agent-skills Générer un diagramme Mermaid visuel du DAG dbt d'un modèle donné. 494 29
47 using-dbt-index dbt-labs/dbt-agent-skills Interroger localement les artefacts dbt via une base DuckDB sans connexion entrepôt. 494 29
48 migrating-dbt-core-to-fusion dbt-labs/dbt-agent-skills Trier et classer les erreurs de migration dbt pour guider leur résolution. 494 29
49 migrating-dbt-project-across-platforms dbt-labs/dbt-agent-skills Migrer un projet dbt entre plateformes de données avec validation automatisée. 494 29
50 running-dbt-commands dbt-labs/dbt-agent-skills Exécuter des commandes dbt efficacement avec sélecteurs, prévisualisation et variables. 494 29

À propos de cette sélection

L'outillage autour de l'IA générative a mûri vite, mais de façon inégale. Les abstractions haut niveau prolifèrent pendant que le bas niveau (embeddings, kernels GPU, pipelines de fine-tuning) reste souvent sous-documenté et morcelé. Les skills data & IA réunis ici couvrent précisément cette zone. Un ingénieur ML qui veut déboguer un kernel Metal ou optimiser un graphe PyTorch trouvera des ressources issues directement des équipes PyTorch. Un dev backend qui bascule vers du RAG trouvera de quoi brancher Qdrant, construire ses pipelines de vecteurs et interroger des modèles via l'API Claude d'Anthropic. Python domine largement le corpus, ce qui reflète l'état réel de l'écosystème. Les profils data engineers habitués à Astronomer ont aussi leur place, avec des skills couvrant l'orchestration de workflows au plus près de la prod.