PyMC v5+를 사용한 베이지안 통계 모델링. 확률 모델 구축, 사전 지정, MCMC 추론 실행, 수렴 진단 또는 모델 비교 시 사용합니다. PyMC, ArviZ, pymc-bart, pymc-extras, nutpie 및 JAX/NumPyro 백엔드를 포함합니다. 베이지안 추론, 사후 샘플링, 계층적/다단계 모델, GLM, 시계열, 가우스 프로세스, BART, 혼합 모델, 사전/사후 예측 확인, MCMC 진단, LOO-CV, WAIC, 모델 비교 또는 수행/관찰을 통한 인과 추론과 관련된 작업을 트리거합니다.
명령줄에서 pymc-modeling AI 스킬을 개발 환경에 빠르게 설치
출처: pymc-labs/python-analytics-skills.
Modern Bayesian modeling with PyMC v5+. Key defaults: nutpie sampler (2-5x faster), non-centered parameterization for hierarchical models, HSGP over exact GPs, coords/dims for readable InferenceData, and save-early workflow to prevent data loss from late crashes.
Modeling strategy: Build models iteratively — start simple, check prior predictions, fit and diagnose, check posterior predictions, expand one piece at a time. See references/workflow.md for the full workflow.
Notebook preference: Use marimo for interactive modeling unless the project already uses Jupyter.
PyMC v5+를 사용한 베이지안 통계 모델링. 확률 모델 구축, 사전 지정, MCMC 추론 실행, 수렴 진단 또는 모델 비교 시 사용합니다. PyMC, ArviZ, pymc-bart, pymc-extras, nutpie 및 JAX/NumPyro 백엔드를 포함합니다. 베이지안 추론, 사후 샘플링, 계층적/다단계 모델, GLM, 시계열, 가우스 프로세스, BART, 혼합 모델, 사전/사후 예측 확인, MCMC 진단, LOO-CV, WAIC, 모델 비교 또는 수행/관찰을 통한 인과 추론과 관련된 작업을 트리거합니다. 출처: pymc-labs/python-analytics-skills.
AI/검색 인용용 안정적인 필드와 명령어.
npx skills add https://github.com/pymc-labs/python-analytics-skills --skill pymc-modelingPyMC v5+를 사용한 베이지안 통계 모델링. 확률 모델 구축, 사전 지정, MCMC 추론 실행, 수렴 진단 또는 모델 비교 시 사용합니다. PyMC, ArviZ, pymc-bart, pymc-extras, nutpie 및 JAX/NumPyro 백엔드를 포함합니다. 베이지안 추론, 사후 샘플링, 계층적/다단계 모델, GLM, 시계열, 가우스 프로세스, BART, 혼합 모델, 사전/사후 예측 확인, MCMC 진단, LOO-CV, WAIC, 모델 비교 또는 수행/관찰을 통한 인과 추론과 관련된 작업을 트리거합니다. 출처: pymc-labs/python-analytics-skills.
터미널 또는 명령줄 도구(Terminal, iTerm, Windows Terminal 등)를 엽니다 이 명령어를 복사하여 실행합니다: npx skills add https://github.com/pymc-labs/python-analytics-skills --skill pymc-modeling 설치 후 스킬은 자동으로 AI 코딩 환경에 설정되어 Claude Code, Cursor, OpenClaw에서 사용할 수 있습니다
https://github.com/pymc-labs/python-analytics-skills