データ・AIのスキル

比較・推移・分布など、知りたい内容に合うグラフを選んで作成します。単位付きの軸や読みやすい配色を整え、用途に応じてPNG画像や操作できるHTMLに出力します。

• 月別の売上推移を可視化したいとき
• 地域やカテゴリごとの数値比較
• 注文金額の分布を調べたいとき

CSVやExcelなどの表データを読み込み、欠損や重複を確認して整形・集計・結合します。主要な数値は別の計算方法でも照合し、コードが実際に出力した値を報告します。

• 地域別の売上を集計したいとき
• 欠損値や重複行の整理
• 顧客IDでファイルを結合したいとき

CSV・Parquet・JSONの集計や結合、時系列分析、グラフ作成を支援。データ量と作業内容に応じて処理方法を選び、必要な答えを導くスキル。

• データファイルの集計・結合
• 時系列や分布を調べたいとき
• 分析前のデータ整形

大規模な多次元配列を小さな単位に分割・圧縮し、必要な範囲だけ読み書きする処理を支援します。ローカルやS3・GCSへの保存、並列処理との連携も扱います。

• メモリを超える配列を処理したいとき
• S3やGCS上の配列の部分読み書き
• 時系列データを追記したいとき

ゲノムの変異情報を持つVCF・BCFファイルをTileDBに取り込み、圧縮保存や試料の追加を支援します。領域・試料別の検索や、解析用データの書き出しも扱います。

• 研究集団の変異データベース作成
• 既存データに試料を追加したいとき
• 領域や試料を指定した変異の抽出

機械学習の学習指標や設定をW&Bに記録し、実験結果を比較・可視化します。学習条件の自動探索、データやモデルの版管理、チームでの結果共有まで支援します。

• 学習指標の記録と可視化
• 学習条件を変えた実験の比較
• より良い学習条件を自動探索したいとき

売上やセンサー値など、単一の値を時系列で記録したデータをTimesFMで予測します。独自モデルの学習なしで、予測値と不確実性を示す範囲を得られます。

• CSVから月次売上を予測したいとき
• 複数店舗の需要を一括予測したいとき
• センサー値の予測範囲を図示したいとき

統計・確率・線形代数の基礎を、Pythonのコード例で学び、分析に使うためのスキルです。代表値の集計から検定、A/Bテスト、回帰分析まで扱います。

• 平均やばらつきでデータを要約したいとき
• A/Bテストの成約率を比較したいとき
• 回帰モデルを比較したいとき

機械学習の損失や精度をグラフで確認し、実験ごとの結果を比較するスキル。重みや勾配の分布、モデル構造、処理時間も可視化して学習の問題点を調べます。

• 学習中の損失や精度を確認したいとき
• 学習設定の異なる実験を比較したいとき
• 重みや勾配の分布を調べたいとき

分子やタンパク質、生物医学データの関係を扱う機械学習を支援し、PyTorchでの物性予測・分子生成・合成経路の推定に必要なデータやモデル選びを案内するスキル。

• 分子の溶解性や毒性を予測したいとき
• 配列や構造からタンパク質の機能予測
• 生物医学の関係データで薬の転用探索

Pythonで数式を記号のまま扱い、方程式の求解や微積分、行列計算を進めるスキル。厳密な計算結果を求め、数式からコードやLaTeXも生成できます。

• 変数を残して方程式を解きたいとき
• 微分・積分・極限の計算
• 行列の固有値や逆行列の計算

学習済みAIモデルを使って文章生成・分類・翻訳、画像認識、音声認識などを実装し、入力の前処理から独自データによる追加学習まで進めるスキル。

• 文章分類・要約・翻訳を試作したいとき
• 画像認識や音声認識の処理づくり
• 文章生成の設定を調整したいとき

報酬を手がかりに行動を学ぶ強化学習で、手法の選択から環境作成、学習・評価までを支援するスキル。SB3を使い、モデル保存や進捗監視も組み立てます。

• 強化学習の実験手法を選びたいとき
• 独自のGymnasium環境の作成と検証
• 学習の監視と途中保存

研究データに合う統計手法を選び、前提条件の確認から検定・回帰分析、結果の解釈まで支援します。効果の大きさや推定の幅を示し、APA形式の報告文や図表にまとめます。

• 研究データに合う統計検定の選定
• 分析の前提条件と代替手法の確認
• データ収集前の必要標本数の見積もり

作成済みのグラフを見直し、種類の選び方やラベル、凡例、目盛り、配色を改善します。情報が伝わるかを点検し、読みやすさやアクセシビリティの修正案をまとめます。

• 既存グラフの伝わり方の点検
• ラベル・凡例・目盛りの修正
• 配色とアクセシビリティの確認

多数の特徴を持つデータを2次元・3次元に縮約して可視化し、グループ分けの前処理やラベルを使った分析、新しいデータの変換まで支援するスキル。

• 多次元データを図で確認したいとき
• HDBSCANの前処理
• ラベルを使った次元削減

言語モデルの追加学習をUnslothで進めるための資料参照と実装相談を支援。LoRAやQLoRAを使う学習の高速化・省メモリ化を軸に、APIの確認や不具合の調査を案内します。

• 学習の高速化と省メモリ化を調べたいとき
• LoRAやQLoRAの追加学習を学ぶ
• Unslothの機能やAPIを確認

大きなCSV・TSVファイルの抽出、並べ替え、重複除去、集計、結合を端末から進めます。データを順次処理し、メモリ使用量を抑える作業に向くスキルです。

• 大きなCSVから行を抽出したいとき
• 売上をカテゴリ別に集計したいとき
• 重複除去や表の結合をしたいとき

米国財務省の公開APIから、連邦債務や歳入・歳出、国債金利、為替レートなどを取得するスキルです。期間や項目を絞り込み、分析用のデータを集められます。

• 米国の連邦債務の推移を追いたいとき
• 月次の歳入・歳出データの収集
• 国債金利や為替レートの取得

言語モデル内部の中間値や注目先をTransformerLensで調べ、値の差し替え実験から出力への影響を探ります。予測に関わる内部の仕組みを分析するスキルです。

• 注意パターンや中間値を観察したいとき
• 活性値の差し替えで出力変化を調べる
• 各ヘッドの予測への寄与を分析

メモリに収まらない大規模な表データを、必要な処理を後から実行する仕組みで分析します。抽出・集計から可視化、形式変換、機械学習の前処理まで扱います。

• 巨大なCSVを集計したいとき
• 大量データの分布を可視化したいとき
• CSVをHDF5やArrowへ変換

機械学習のデータを学習用・検証用・テスト用に分ける方針を整理します。分割比率や乱数シード、クラスの比率、時系列やグループの制約を扱う補助スキルです。

• 学習用・検証用・テスト用の分割設計
• クラス比率を保って分割したいとき
• 時系列やグループの分割制約の整理

点とつながりで表すデータを学習するモデルを、PyTorch Geometricで実装します。論文や分子などを対象に、分類や未知のつながりの予測を支援します。

• 引用ネットワークから論文を分類したいとき
• グラフの未知のつながりを予測したいとき
• グラフ学習で分子の性質を予測したいとき

Pythonで回帰分析や時系列予測、仮説検定を進めます。係数や信頼区間の解釈に加え、モデルの前提確認、外れ値の診断、比較、結果表の作成まで支援します。

• 回帰係数と信頼区間を解釈したいとき
• 予測区間を含む時系列予測
• モデルの前提や影響の大きい観測の確認