データ分析、機械学習、LLMアプリ、プロンプト設計（9,116 件）
CPU-only operating guidance for the BEHAVIOR-1K BDDL 3.7.0 package: symbolic activity definitions, condition parsing/evaluation, object taxonomy, and generated-data-backed knowledge-base inspection.
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 BasicTS time-series training, dataset, model, and pipeline workflows through focused sub-skills.
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 agents working with Axolotl config-driven LLM fine-tuning, datasets, SFT, preference tuning, GRPO/EBFT, model adapters, distributed training, CLI operations, and 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。
Guides Attention-Gated Networks PyTorch medical imaging workflows for ultrasound classification, attention-gated U-Net segmentation, data layout, CUDA setup, and visualization helpers.
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 Astropy core for astronomy units, coordinates, times, tables, FITS/WCS files, modeling, statistics, visualization, cosmology, configuration, and public CLIs.
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 ASRT SpeechRecognition Chinese ASR data, acoustic models, pinyin language model, and serving clients.
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 AdalFlow to build, debug, evaluate, optimize, trace, and operate LLM task pipelines, RAG systems, agents, tools, and structured-output 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。
Route AlphaFold protein structure prediction setup, data preparation, local prediction, model configuration, output interpretation, and relaxation 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 3D ResNets PyTorch video action-recognition workflows across training, inference, and data 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。
Use AReaL for large-scale asynchronous LLM reinforcement learning, agentic RL, distributed post-training, inference/agent services, backend planning, and customization 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。
Operate AnyLabeling desktop annotation, auto-labeling model, dataset export, install, packaging, and release workflows for the PyQt6/ONNX image-labeling package.
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 Any4LeRobot dataset conversions, LeRobot-to-RLDS export, and LeRobot v1.6-v3.0 format migrations with schema validation, version-aware environments, and safe publication boundaries.
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 AnnData to build, inspect, combine, store, lazily read, and extend annotated data matrices in memory and on disk.
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。
Guide alphafold2-pytorch protein sequence, MSA, distogram, angle-logit, coordinate-refinement, recycling, embedding, and structure-utility workflows with version-aware 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 AlphaGPT data ingestion, factor mining, live strategy, and dashboard 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。
Build, debug, serialize, and integrate Albumentations 2.x augmentation pipelines for images, masks, bboxes, keypoints, volumes, and PyTorch-style datasets.
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 ALAE repository for Adversarial Latent Autoencoder data preparation, CUDA training, checkpoint-backed generation, latent editing, and legacy metrics.
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 AIX360 explainability tasks across local black-box attribution, counterfactuals and certification, interpretable models, time-series explanations, datasets, and explanation-quality metrics.
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 Aim for experiment tracking SDK instrumentation, local/remote run storage, CLI/UI/server workflows, storage maintenance, and ML framework logging 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 IBM AI Fairness 360 for tabular fairness datasets, metrics, bias mitigation algorithms, sklearn-compatible workflows, subgroup detectors, and explainers.
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 ai-data-science-team package for AI-assisted data loading, EDA, pandas transformations, SQL analysis, H2O/MLflow modeling, multi-agent teams, and Streamlit app 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 AgileRL for reinforcement learning workflows: classical RL training, evolutionary HPO, evolvable networks, multi-agent PettingZoo training, offline/bandit data, and LLM fine-tuning.
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 AdelaiDet users through legacy-compatible setup, model config selection, training/evaluation, demos, text spotting, dataset preparation, and export/conversion 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 ACT++, ACT, Diffusion Policy, VINN, and MuJoCo simulation workflows for bimanual ALOHA episode data and imitation-learning 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。