S Skillteca
Receber por email
Explorar Categorias Coleções Newsletter
← Voltar para o catálogo

cosmosis-parameter-estimator

Automação Autor: a5c-ai

Skill CosmoSIS para estimação de parâmetros cosmológicos, utilizando amostragem MCMC e análise de verossimilhança.

1.4kestrelas
Atualizado há 4 meses
Ver no GitHub ↗ Licença: MIT

Como adicionar

/plugin marketplace add a5c-ai/babysitter

O comando exato pode variar conforme o repositório. Confira o README no GitHub.

Para o autor da skill

Cole no README do seu repo

Mostra que sua skill está catalogada na Skillteca, gera backlink e tráfego rastreável.

[![Skillteca](https://www.skillteca.com.br/api/badge/cosmosis-parameter-estimator/svg)](https://www.skillteca.com.br/skills/cosmosis-parameter-estimator)

Skills relacionadas

Ver todas de Automação →

MoneyPrinterTurbo

90.3k

利用AI大模型，一键生成高清短视频 Generate short videos with one click using AI LLM.

Automação por harry0703

weather-svg-creator

58.4k

Creates an SVG weather card showing the current temperature for Dubai. Writes the SVG to orchestration-workflow/weather.svg and updates orchestration-workflow/output.md.

Automação #ai por shanraisshan

asana-automation

41.2k

Automate Asana tasks via Rube MCP (Composio): tasks, projects, sections, teams, workspaces. Always search tools first for current schemas.

Automação #git #github por sickn33

payment-integration

41.2k

Integrate Stripe, PayPal, and payment processors. Handles checkout flows, subscriptions, webhooks, and PCI compliance. Use PROACTIVELY when implementing payments, billing, or subscription features.

Automação #git #github por sickn33

Alerta por categoria

Receba novas skills de Automação toda segunda

1 email curto, só com as skills novas de Automação. 4 minutos de leitura, sem spam, cancela com 1 clique.

Você confirma o email no primeiro envio. Sem spam. Cancela com 1 clique.

Ler descrição completa

CosmoSIS Parameter Estimator

Purpose

Provides expert guidance on CosmoSIS for cosmological parameter estimation, including modular likelihood construction and MCMC sampling.

Capabilities

  • Modular likelihood construction
  • Multiple sampler support (emcee, multinest, polychord)
  • Prior specification
  • Chain analysis and diagnostics
  • Plotting and visualization
  • Pipeline construction

Usage Guidelines

  1. Pipeline Setup: Configure modular analysis pipeline
  2. Likelihoods: Build likelihood functions from data
  3. Priors: Specify parameter priors
  4. Sampling: Run MCMC with appropriate sampler
  5. Analysis: Analyze chains and compute posteriors

Tools/Libraries

  • CosmoSIS
  • emcee
  • GetDist
Compartilhar X LinkedIn