pymc-bayesian-modeling
✓Modelado bayesiano con PyMC. Construir modelos jerárquicos, MCMC (NUTS), inferencia variacional, comparación LOO/WAIC, verificaciones posteriores, para programación e inferencia probabilística.
Instalación
SKILL.md
PyMC is a Python library for Bayesian modeling and probabilistic programming. Build, fit, validate, and compare Bayesian models using PyMC's modern API (version 5.x+), including hierarchical models, MCMC sampling (NUTS), variational inference, and model comparison (LOO, WAIC).
Critical: Always use non-centered parameterization for hierarchical models to avoid divergences.
See: references/distributions.md for comprehensive distribution reference
Modelado bayesiano con PyMC. Construir modelos jerárquicos, MCMC (NUTS), inferencia variacional, comparación LOO/WAIC, verificaciones posteriores, para programación e inferencia probabilística. Fuente: jackspace/claudeskillz.
Datos (listos para citar)
Campos y comandos estables para citas de IA/búsqueda.
- Comando de instalación
npx skills add https://github.com/jackspace/claudeskillz --skill pymc-bayesian-modeling- Fuente
- jackspace/claudeskillz
- Categoría
- </>Desarrollo
- Verificado
- ✓
- Primera vez visto
- 2026-02-17
- Actualizado
- 2026-02-18
Respuestas rápidas
¿Qué es pymc-bayesian-modeling?
Modelado bayesiano con PyMC. Construir modelos jerárquicos, MCMC (NUTS), inferencia variacional, comparación LOO/WAIC, verificaciones posteriores, para programación e inferencia probabilística. Fuente: jackspace/claudeskillz.
¿Cómo instalo pymc-bayesian-modeling?
Abre tu terminal o herramienta de línea de comandos (Terminal, iTerm, Windows Terminal, etc.) Copia y ejecuta este comando: npx skills add https://github.com/jackspace/claudeskillz --skill pymc-bayesian-modeling Una vez instalado, el skill se configurará automáticamente en tu entorno de programación con IA y estará listo para usar en Claude Code o Cursor
¿Dónde está el repositorio de origen?
https://github.com/jackspace/claudeskillz
Detalles
- Categoría
- </>Desarrollo
- Fuente
- skills.sh
- Primera vez visto
- 2026-02-17