データ分析、機械学習、LLMアプリ、プロンプト設計（9,121 件）
Use FlashRAG for retrieval-augmented generation research workflows: config/data validation, retrieval and index building, generation/refinement components, RAG pipelines/method reproduction, evaluation, and WebUI setup.
日本語の概要は準備中です。原文の説明を表示しています。
Use Flair for NLP annotation, embeddings, text/sequence model prediction, corpus loading, training/fine-tuning, HunFlair biomedical NER/linking, and production troubleshooting.
日本語の概要は準備中です。原文の説明を表示しています。
Route fastdup workflows for visual dataset curation, annotation-driven analysis, embeddings and search, and video or exchange plumbing.
日本語の概要は準備中です。原文の説明を表示しています。
Use ExecuTorch to export PyTorch models to edge runtime artifacts, build host/device runtimes, choose delegates, profile/debug execution, and operate specialized Qualcomm, Cortex-M, LLM, and binary-size workflows.
日本語の概要は準備中です。原文の説明を表示しています。
Use the GeoParquet specification and bundled inspection helpers to author, validate, distribute, or safely review geospatial Parquet data, including GeoParquet 2.0 vector metadata, external writer choices, and the alpha Parquet Raster proposal.
日本語の概要は準備中です。原文の説明を表示しています。
Use when working with GeoPandas GeoDataFrame and GeoSeries workflows, vector geospatial I/O, CRS-aware spatial operations, mapping, geocoding, and GeoPandas-specific validation.
日本語の概要は準備中です。原文の説明を表示しています。
Route GeoAI geospatial data, inference, training, foundation-model, and integration workflows.
日本語の概要は準備中です。原文の説明を表示しています。
Guides Gensim topic modelling, document indexing, embeddings, similarity retrieval, downloader, and script workflows for Python NLP and IR tasks.
日本語の概要は準備中です。原文の説明を表示しています。
Use GemPy 3.x for CPU-first 3-D implicit geological modeling, structural data preparation, grid evaluation, visualization, persistence, and optional integrations.
日本語の概要は準備中です。原文の説明を表示しています。
Use Gaussian-SLAM for CUDA RGB-D dense SLAM, Gaussian-splatting mapping, dataset/configuration preflight, checkpoint evaluation, reconstruction metrics, and global-map refinement.
日本語の概要は準備中です。原文の説明を表示しています。
Use Galaxy repository guidance for server configuration, APIs, tool and workflow development, data/storage, Tool Shed operations, and web-client development.
日本語の概要は準備中です。原文の説明を表示しています。
Operate Fugue workflows, FugueSQL, backend selection, and notebook magics for pandas and distributed dataframe execution.
日本語の概要は準備中です。原文の説明を表示しています。
Use FlagEmbedding for embedding, reranking, retrieval evaluation, and fine-tuning workflows.
日本語の概要は準備中です。原文の説明を表示しています。
Guides fg-data-profiling data profiling, report generation, configuration, CLI, comparison, privacy, and optional Spark/notebook integration workflows.
日本語の概要は準備中です。原文の説明を表示しています。
Use FFCV to convert datasets into .beton files, build fast PyTorch loader pipelines, handle image and custom fields/transforms, and tune cache, traversal, and throughput behavior.
日本語の概要は準備中です。原文の説明を表示しています。
Operate the Fengshenbang-LM Fengshen package for pipelines, model families, data/training utilities, examples, and conversion planning.
日本語の概要は準備中です。原文の説明を表示しています。
Use for Feast feature store tasks: feature repositories, definitions, CLI, retrieval, materialization, serving, RAG/vector search, integrations, and Feast contributor workflows.
日本語の概要は準備中です。原文の説明を表示しています。
Routes FCOS object-detection repo tasks for inference demos, config/data setup, training/evaluation, ONNX export, and legacy PyTorch internals.
日本語の概要は準備中です。原文の説明を表示しています。
Use fastMRI for MRI reconstruction data loading, MRI operators, reconstruction models, Lightning training, evaluation, and submission preparation.
日本語の概要は準備中です。原文の説明を表示しています。
Routes EasyCV training, evaluation, prediction, export, and data workflows.
日本語の概要は準備中です。原文の説明を表示しています。
Routes easy12306 12306 captcha recognition tasks across pretrained inference, data preparation, text-model training, and image-model training workflows.
日本語の概要は準備中です。原文の説明を表示しています。
Use EasyR1 for multimodal LLM RL post-training, dataset/reward preparation, core API debugging, and checkpoint export workflows.
日本語の概要は準備中です。原文の説明を表示しています。
Use the DVC repository skill for data versioning, pipelines, experiments, remotes/cache, metrics/params/plots, Python API usage, and DVC codebase maintenance.
日本語の概要は準備中です。原文の説明を表示しています。
Route DiffDock docking, web UI, training/data preparation, and benchmark evaluation tasks to focused repo-specific guidance.
日本語の概要は準備中です。原文の説明を表示しています。