Data & IA
Skills pour LLM, bases vectorielles, training de modeles et scraping web.
| # | Skill | Source | Description | Maj | |
|---|---|---|---|---|---|
| 1 | claude-api | anthropics/skills | Construire des applications LLM avec Claude via le SDK officiel adapté au langage. | 155 892 | 7h |
| 2 | firecrawl-monitor | firecrawl/cli | Surveiller des pages web et recevoir des alertes automatiques lors de changements détectés. | 491 | 1j |
| 3 | omni-ai-eval | exploreomni/omni-agent-skills | Évaluer la génération de requêtes IA d'Omni en comparant résultats attendus et obtenus. | 22 | 1j |
| 4 | omni-to-databricks-metric-view | exploreomni/omni-agent-skills | Convertir un topic Omni en Databricks Metric View via CLI et YAML. | 22 | 1j |
| 5 | omni-to-snowflake-semantic-view | exploreomni/omni-agent-skills | Convertir un topic Omni en définition YAML Snowflake Semantic View via API. | 22 | 1j |
| 6 | omni-ai-optimizer | exploreomni/omni-agent-skills | Optimiser un modèle sémantique Omni pour des réponses précises de l'agent IA. | 22 | 1j |
| 7 | omni-model-builder | exploreomni/omni-agent-skills | Créer et modifier un modèle sémantique Omni via l'API YAML en branches sécurisées. | 22 | 1j |
| 8 | omni-model-explorer | exploreomni/omni-agent-skills | Explorer un modèle sémantique Omni via la CLI pour comprendre sa structure. | 22 | 1j |
| 9 | omni-query | exploreomni/omni-agent-skills | Interroger la couche sémantique Omni via CLI pour extraire des données structurées. | 22 | 1j |
| 10 | cosmos-dbt-core | astronomer/agents | Intégrer dbt Core dans Airflow via Cosmos avec la configuration optimale. | 393 | 2j |
| 11 | ai-sdk | vercel/ai | Intégrer et utiliser correctement l'AI SDK Vercel avec APIs et modèles à jour. | 25 187 | 2j |
| 12 | hf-cli | huggingface/skills | Gérer dépôts, fichiers et authentification sur le Hub Hugging Face via CLI. | 10 736 | 2j |
| 13 | huggingface-lora-space-builder | huggingface/skills | Créer et publier un espace Gradio sur Hugging Face pour inférence avec un LoRA. | 10 736 | 2j |
| 14 | using-dbt-state | dbt-labs/dbt-agent-skills | Optimiser les builds dbt en réutilisant automatiquement les modèles inchangés via un serveur d'état. | 587 | 2j |
| 15 | cuopt-numerical-optimization-formulation | nvidia/skills | Formuler des problèmes d'optimisation numérique LP, MILP et QP avec rigueur. | 1 960 | 3j |
| 16 | physical-ai-defect-image-generation | nvidia/skills | Orchestrer des pipelines de génération, augmentation et labeling d'images de défauts pour l'inspection optique automatisée. | 1 960 | 3j |
| 17 | firecrawl | firecrawl/cli | Scraper, rechercher et interagir avec le web via Firecrawl CLI en markdown optimisé. | 491 | 4j |
| 18 | cuopt-user-rules | nvidia/skills | Optimiser des problèmes de routage et logistique avec cuOpt via des échanges guidés. | 1 960 | 4j |
| 19 | agents | elevenlabs/skills | Créer et déployer des agents IA vocaux conversationnels via ElevenLabs. | 352 | 4j |
| 20 | apify-actor-development | apify/agent-skills | Développer et déployer des Actors serverless sur la plateforme Apify. | 2 183 | 4j |
| 21 | apify-ultimate-scraper | apify/agent-skills | Extraire des données web depuis plus de 100 sources via l'API Apify. | 2 183 | 4j |
| 22 | neon-ai-gateway | neondatabase/agent-skills | Accéder à plusieurs LLMs via une seule API unifiée intégrée à Neon. | 71 | 4j |
| 23 | x-twitter-scraper | github/awesome-copilot | Intégrer l'API Xquik pour scraper, monitorer et automatiser des tâches X/Twitter. | 35 826 | 4j |
| 24 | firebase-ai-logic-basics | firebase/agent-skills | Intégrer l'IA générative Gemini dans des apps mobiles et web via Firebase. | 363 | 5j |
| 25 | gemini-interactions-api | google-gemini/gemini-skills | Interagir avec les modèles Gemini via une API unifiée et conversationnelle. | 3 712 | 5j |
| 26 | tao-analyze-changenet-rca | nvidia/skills | Analyser et diagnostiquer visuellement les échecs d'un modèle ChangeNet par investigation multi-phases. | 1 960 | 5j |
| 27 | tao-analyze-gaps-visual-changenet | nvidia/skills | Identifier les échantillons les plus faibles d'un modèle VCN TAO pour cibler l'augmentation. | 1 960 | 5j |
| 28 | tao-analyze-gaps-vlm-bcq | nvidia/skills | Analyser les prédictions d'un VLM pour identifier les faux positifs et négatifs. | 1 960 | 5j |
| 29 | tao-convert-dataset-format | nvidia/skills | Convertir des datasets DAFT entre formats supportés via la CLI tao-daft. | 1 960 | 5j |
| 30 | tao-finetune-clip | nvidia/skills | Entraîner, évaluer et déployer des modèles CLIP pour la classification et la recherche image-texte. | 1 960 | 5j |
| 31 | tao-finetune-cosmos-embed | nvidia/skills | Entraîner, évaluer et exporter un modèle d'embedding vidéo-texte pour la recherche sémantique. | 1 960 | 5j |
| 32 | tao-finetune-cosmos-reason | nvidia/skills | Entraîner, évaluer et inférer sur Cosmos-Reason2-8B pour la compréhension vidéo. | 1 960 | 5j |
| 33 | tao-finetune-huggingface-model | nvidia/skills | Affiner localement des modèles HuggingFace sur GPU NVIDIA via un conteneur NGC. | 1 960 | 5j |
| 34 | tao-launch-workflow | nvidia/skills | Valider et lancer des workflows TAO après vérification complète des prérequis plateforme. | 1 960 | 5j |
| 35 | tao-list-capabilities | nvidia/skills | Lister les capacités, modèles et support AutoML disponibles dans TAO Skill Bank. | 1 960 | 5j |
| 36 | tao-mine-aoi-images | nvidia/skills | Embarquer des images cibles et miner les voisins les plus proches dans un pool source. | 1 960 | 5j |
| 37 | tao-port-huggingface-model | nvidia/skills | Intégrer un modèle HuggingFace de vision par ordinateur dans l'écosystème NVIDIA TAO Toolkit. | 1 960 | 5j |
| 38 | tao-route-visual-changenet-samples | nvidia/skills | Router les labels de gaps VCN vers les modules k-NN Mining et AnomalyGen de façon auditable. | 1 960 | 5j |
| 39 | tao-run-automl | nvidia/skills | Automatiser l'optimisation d'hyperparamètres TAO sur toute plateforme GPU compatible. | 1 960 | 5j |
| 40 | tao-run-inference-service | nvidia/skills | Déployer et interroger des microservices d'inférence TAO sur plusieurs plateformes cloud. | 1 960 | 5j |
| 41 | tao-run-platform | nvidia/skills | Gérer des jobs TAO avec handles, I/O S3 et support multi-plateformes GPU. | 1 960 | 5j |
| 42 | tao-train-action-recognition | nvidia/skills | Reconnaître des actions humaines dans des vidéos via flux RGB, optique ou combiné. | 1 960 | 5j |
| 43 | tao-train-bevfusion | nvidia/skills | Fusionner LiDAR et caméras en espace BEV pour la détection 3D autonome. | 1 960 | 5j |
| 44 | tao-train-centerpose | nvidia/skills | Estimer la pose 6-DoF d'objets via détection de centres et régression de points clés. | 1 960 | 5j |
| 45 | tao-train-deformable-detr | nvidia/skills | Détecter des objets 2D efficacement avec Deformable DETR multi-échelle. | 1 960 | 5j |
| 46 | tao-run-automl-deft-pipeline | nvidia/skills | Chaîner AutoML et DEFT en trois phases pour optimiser et affiner un modèle itérativement. | 1 960 | 5j |
| 47 | tao-run-deft-aoi | nvidia/skills | Lancer et piloter automatiquement la boucle d'amélioration DEFT AOI pour modèle TAO ChangeNet. | 1 960 | 5j |
| 48 | tao-train-depth-anything-v2 | nvidia/skills | Estimer la profondeur par pixel depuis des images RGB monoculaires avec Depth Anything v2. | 1 960 | 5j |
| 49 | tao-train-dino | nvidia/skills | Détecter des objets 2D avec DINO via entraînement AutoML et déploiement TensorRT. | 1 960 | 5j |
| 50 | tao-train-fast-foundation-stereo | nvidia/skills | Estimer en temps réel la profondeur stéréo avec FastFoundationStereo via TAO. | 1 960 | 5j |
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.