Байесовское моделирование с помощью PyMC. Создавайте иерархические модели, MCMC (NUTS), вариационный вывод, сравнение LOO/WAIC, апостериорные проверки для вероятностного программирования и вывода.
Быстро установите AI-навык pymc-bayesian-modeling в вашу среду разработки через командную строку
Источник: ovachiever/droid-tings.
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
Байесовское моделирование с помощью PyMC. Создавайте иерархические модели, MCMC (NUTS), вариационный вывод, сравнение LOO/WAIC, апостериорные проверки для вероятностного программирования и вывода. Источник: ovachiever/droid-tings.
Стабильные поля и команды для ссылок в AI/поиске.
npx skills add https://github.com/ovachiever/droid-tings --skill pymc-bayesian-modelingБайесовское моделирование с помощью PyMC. Создавайте иерархические модели, MCMC (NUTS), вариационный вывод, сравнение LOO/WAIC, апостериорные проверки для вероятностного программирования и вывода. Источник: ovachiever/droid-tings.
Откройте терминал или инструмент командной строки (Terminal, iTerm, Windows Terminal и т.д.) Скопируйте и выполните эту команду: npx skills add https://github.com/ovachiever/droid-tings --skill pymc-bayesian-modeling После установки навык будет автоматически настроен в вашей AI-среде разработки и готов к использованию в Claude Code, Cursor или OpenClaw
https://github.com/ovachiever/droid-tings