Habilidad de visión por computadora de clase mundial para procesamiento de imágenes/vídeos, detección de objetos, segmentación y sistemas de IA visual. Experticia en PyTorch, OpenCV, YOLO, SAM, modelos de difusión y visión transformers. Incluye visión 3D, análisis de video, procesamiento en tiempo real y despliegue en producción. Usar al construir sistemas de IA visual, implementar detección de objetos, entrenar modelos de visión personalizados o optimizar pipelines de inferencia.
EN LO QUE TE CONVIERTES
Perfecto para estos escenarios
Extraer ideas y citas de trabajos académicos guardados en NotebookLM.
Genera resúmenes concisos con enlaces a las fuentes a partir de transcripciones de reuniones.
Busca rápidamente ejemplos de código y referencias de API en cuadernos de desarrollo.
Busque precedentes en textos legales con citas precisas.
GANANCIA MEDIBLE
Beneficios probados e impacto medible
Encuentra respuestas más rápido con la integración directa de NotebookLM.
Las respuestas basadas en fuentes eliminan las imprecisiones generadas por la IA.
Flujo de trabajo fluido entre Claude Code y NotebookLM.
QUÉ INCLUYE
Archivos, etiquetas y la instalación en tres pasos
Consejo: Lee la documentación y el código antes del primer uso para saber qué hace y qué permisos necesita.
SIGUIENTES GUIONES
Recomendado según etiquetas y categoría
Sistema de generación de agentes de código Claude que crea agentes personalizados y subagentes con frontmatter YAML mejorado, patrones de acceso a herramientas y soporte para integración MCP siguiendo patrones de producción probados
Especialista en la blockchain Aptos, el lenguaje Move, los smart contracts, los NFT, el DeFi y el desarrollo de Aptos. Se activa con las palabras clave aptos, move, blockchain, smart contract, nft, defi, web3, mainnet, testnet, devnet
Plataforma de laboratorio en la nube para pruebas y validación automáticas de proteínas. Utilícelo al diseñar proteínas y necesitar validación experimental que incluya ensayos de unión, pruebas de expresión, mediciones de termostabilidad, ensayos de actividad enzimática o optimización de secuencias de proteínas. También úselo para enviar experimentos a través de API, rastrear el estado de los experimentos, descargar resultados, optimizar secuencias de proteínas para una mejor expresión utilizando herramientas computacionales (NetSolP, SoluProt, SolubleMPNN, ESM) o gestionar flujos de trabajo de diseño de proteínas con validación en laboratorio húmedo.
Esta habilidad debería usarse para tareas de aprendizaje automático de series temporales que incluyen clasificación, regresión, agrupamiento, pronóstico, detección de anomalías, segmentación y búsqueda de similitud. Usarla al trabajar con datos temporales, patrones secuenciales o observaciones indexadas en el tiempo que requieren algoritmos especializados más allá de los enfoques de ML estándar. Especialmente adecuada para análisis de series temporales univariadas y multivariadas con APIs compatibles con scikit-learn.