该技能适用于包括分类、回归、聚类、预测、异常检测、分割和相似性搜索在内的时序机器学习任务。当处理时间数据、序列模式或需要超越标准机器学习方法的专用算法的时间索引观测值时，请使用此技能。特别适用于单变量和多变量时间序列分析，并支持与scikit-learn兼容的API。

一个用于天文学和天体物理学的综合性Python库。在处理天文数据时使用该技能，包括天体坐标、物理单位、FITS文件、宇宙学计算、时间系统、表格、天球坐标系统（WCS）和天文数据分析。当任务涉及坐标变换、单位转换、FITS文件操作、宇宙学距离计算、时间尺度转换或天文数据处理时使用。

一套全面的蛋白质语言模型工具包，包含ESM3（跨序列、结构和功能的生成性多模态蛋白质设计）和ESM C（高效蛋白质嵌入与表示）。在处理蛋白质序列、结构或功能预测、设计新型蛋白质、生成蛋白质嵌入、执行逆向折叠或开展蛋白质工程任务时使用此工具。支持本地模型使用和基于云的Forge API以实现可扩展推理。

此技能适用于处理基因组区间数据（BED文件）的机器学习任务，可用于训练区域嵌入（Region2Vec、BEDspace）、单细胞ATAC-seq分析（scEmbed）、构建一致峰（universes）或任何基于机器学习的基因组区域分析。适用于BED文件集合、scATAC-seq数据、染色质可及性数据集以及基于区域的基因组特征学习。

一个用于处理地理空间矢量数据的 Python 库，支持 Shapefile、GeoJSON 和 GeoPackage 文件。适用于进行地理数据分析、几何运算、坐标变换、空间连接、叠加分析、伪彩地图绘制，或任何涉及读取/写入/分析矢量地理数据的任务。支持 PostGIS 数据库、交互式地图，以及与 matplotlib、folium 和 cartopy 的集成。适用于缓冲区分析、数据集间空间连接、边界合并、数据裁剪、面积/距离计算、坐标系重投影、地图绘制，以及在不同空间文件格式间转换等任务。

在云端使用无服务器容器、GPU 和自动扩缩容运行 Python 代码。适用于部署机器学习模型、运行批处理任务、调度计算密集型任务，或提供需 GPU 加速或动态扩缩容的 API。

此技能适用于将学术论文转化为宣传和展示格式，包括交互式网站（Paper2Web）、演示视频（Paper2Video）和会议海报（Paper2Poster）。适用于涉及论文传播、会议准备、创建可探索的学术主页、生成视频摘要，或从LaTeX或PDF源文件生成印刷级海报的任务。