データ・AIのスキル

機械学習の前処理や特徴量、データ分割を点検し、予測時には使えない未来の情報やテストデータの統計が入り込むデータ漏洩を見つけ、修正案を示すスキル。

• 正規化や欠損値補完の点検
• 特徴量選択や目的変数を使う符号化の確認
• 時系列の特徴量に混ざる未来情報の検出

Pythonで、拡大や値の確認ができるグラフを作るスキル。散布図、統計図、地図、3D表示などを用途に合わせて整え、操作できるHTMLや画像として出力します。

• 散布図で測定値の関係を調べたいとき
• グループごとの分布比較
• 範囲を指定しながら時系列を確認

MATLABやGNU Octaveで、行列計算・統計分析・信号処理・グラフ作成用のスクリプトを作ります。構文の相談やPythonとのコード変換にも対応します。

• 実験CSVをMATLABで分析したいとき
• 行列や微分方程式の計算
• 信号処理と周波数成分の可視化

強化学習の訓練、独自のシミュレーション環境作成、並列実行の調整を支援します。既存環境との連携や、画像・時系列に応じた行動モデルの開発も扱います。

• 既存の強化学習環境で訓練したいとき
• 独自のシミュレーション環境作成
• 並列実行の処理速度を調整したいとき

推論モデルの生成時に「Wait」などの振り返り表現を抑え、思考過程のトークン数を減らすスキル。追加学習なしで導入し、モデル別の適性や精度への影響も確認します。

• 長い思考過程のトークンを減らしたいとき
• モデルの推論にNOWAITを導入したいとき
• モデルの適性と精度リスクの確認

病理のスライド全体画像を読み込み、染色のばらつき補正や細胞核の検出、細胞の位置関係の分析、機械学習モデルの学習までをPythonで進めるスキル。

• 染色組織画像を前処理したいとき
• 細胞核の検出・領域分割
• 細胞の位置関係を分析したいとき

人や物のつながりをPythonでネットワークとして扱い、最短経路や重要な拠点、関係の密な集団を調べ、構造の可視化や分析結果の保存まで支援するスキル。

• SNSや論文の引用関係の可視化
• ネットワークの最短経路探索
• 重要な拠点や集団を調べたいとき

機械学習のデータ準備から学習、検証、本番公開、監視までをつなぎ、実験の記録や段階的なモデル切り替えを含む運用手順を設計・自動化するスキル。

• 機械学習パイプラインの新規構築
• 再現可能な学習手順を作りたいとき
• モデル公開前の品質検証

Pythonで折れ線・散布図・ヒートマップや複数パネルの図を作り、配色やラベルを調整します。研究・統計データを可視化し、論文や発表向けに画像やPDFで保存するスキルです。

• 研究データの推移や関係の可視化
• 複数のグラフを一枚にまとめたいとき
• グラフの配色やラベルの調整

OMEROに保存した顕微鏡画像をPythonから取得し、画素や指定領域を解析するスキル。タグ・測定結果の保存、メタデータ管理、複数画像の一括処理も支援します。

• OMEROから顕微鏡画像を取得したいとき
• 指定領域の画素の輝度測定
• 画像のタグや解析結果の保存

心電図や脳波、皮膚電気活動などの生体信号をPythonで処理し、心拍変動や刺激への反応、複数の信号を組み合わせた分析を進めるスキル。

• 心電図から心拍変動を計算したいとき
• 脳波の周波数帯別の強さを調べたいとき
• 刺激への皮膚電気反応を比較したいとき

PyMCで不確実性を含む統計モデルを構築し、推定・診断・比較まで進めるスキル。グループ別の違いを扱う階層モデルや予測区間の算出、診断レポート作成を支援します。

• 階層モデルでグループ差を分析したいとき
• 予測値と不確実性の区間を出したいとき
• 推定計算の収束問題を調べたいとき

定義済みの業務・統計・品質指標をデータやテスト結果から計算し、率・比率・差分などの数値と再現手順をまとめ、分母や単位の整合性も確認するスキルです。

• 定義済みの業務指標を計算したいとき
• 件数を率・比率・差分に直したいとき
• 出力間の計算式を照合したいとき

質量分析のスペクトルを前処理し、類似度を計算して参照ライブラリと照合するスキル。代謝物の同定に向けた候補探索やデータの品質確認を支援します。

• 未知のスペクトルを照合したいとき
• ピークの正規化や除去をしたいとき
• スペクトルの類似度を比較したいとき

既存データから施策や介入の因果効果を推定し、介入がなかった場合との比較図や結果の解釈、分析条件を変えた頑健性の確認まで支援するスキル。

• 既存データで介入効果を調べたいとき
• 介入の有無による結果の比較
• 因果効果の推定の頑健性確認

機械学習に使う生データのクリーニング、数値化、変換、検証を繰り返し実行できる処理として設計・実装し、入力データの準備手順を整えるスキル。

• 機械学習用の生データを整えたいとき
• 定期的なデータ整形を自動化したいとき
• データ抽出・変換・読み込みの設計

コストや性能など複数の目標を同時に考え、条件を満たす設計候補をPythonで探索します。目標間のトレードオフを可視化し、優先度に応じた候補選びを支援します。

• コストと性能が競合する設計の比較
• 制約条件を満たす候補の探索
• 標準問題でのアルゴリズム比較

病理の全スライド画像から組織領域を見つけ、小さな画像へ切り出して解析用データを準備するスキル。ランダム・格子状・スコア順の抽出や前処理を支援します。

• 組織の一部を抽出して確認したいとき
• 組織全体を格子状に切り出したいとき
• 核密度のスコアでタイルを選びたいとき

機械学習のモデル選びや精度改善を、単純な予測との比較を通じて検討します。データの偏りや過学習、評価方法を問い直し、少なくとも3回の議論で案を練り直すスキルです。

• 単純な予測とモデルを比較したいとき
• 学習時と評価時の精度差の原因調査
• 特徴量とデータ漏洩の点検

衛星画像や地図データを使い、植生の変化、土地被覆、地形、道路経路などを分析するために、処理手順やコード例を参照して実装を進めるスキル。

• 衛星画像で植生変化を追いたいとき
• 機械学習による土地被覆分類
• 位置データの地域別集計

公開がん画像を、がん種や撮影方法などの条件で検索・取得します。CT・MR・PETや病理画像の研究・AI学習用データ選定、ブラウザ表示、利用許諾の確認を支援します。

• AI学習用のがん画像を選びたいとき
• がん種・撮影方法・部位で画像検索
• 放射線・病理画像のブラウザ確認

ゲノム上の領域データを使い、重なりの検出や読み取り密度の集計、機械学習向けの変換を支援します。BEDファイルの比較や単一細胞の断片データの分割にも使えます。

• ピークとプロモーター領域の重なりの検出
• 断片データからBigWigを生成したいとき
• ゲノム領域を機械学習用に変換したいとき

関数の値を小さくする最適化問題で、勾配降下法やNewton法などの選択、更新幅の調整、収束の確認を支援し、SciPyによる計算例も示すスキル。

• 最適化問題に合う解法を選びたいとき
• 勾配降下法の更新幅を調整したいとき
• 振動や収束の遅さを調べたいとき

NCBI GEOの遺伝子発現データを条件や遺伝子名で検索し、実験情報や発現行列を取得します。公開データの収集から品質確認、群間比較までを支援するスキルです。

• 疾患や生物種で発現データを探したいとき
• 発現行列と試料情報の取得
• 対照群と処理群を比較したいとき