データ・AIのスキル

公開版CodonFM v1の実行環境を整え、Encodonの学習済み重みを取得するスキル。Dockerやホスト環境の準備、GPU接続、取得ファイルの確認を支援します。

• CodonFMのコンテナ環境を準備したいとき
• ホスト上でCodonFMを使いたいとき
• 公開Encodonの重みを取得したいとき

タンパク質をコードする配列のCSVを検査し、公開CodonFM／Encodonで数値特徴を抽出します。翻訳効率や発現量などの予測に向けたモデル選びも支援します。

• 抽出前の配列CSV検査
• Encodonによる配列特徴の抽出
• 特性予測向けのチェックポイント選定

ラベル付きのタンパク質をコードする配列や変異データで、公開版Encodonを回帰・分類向けに追加学習し、入力検証から学習結果の確認まで支援します。

• 配列から数値を予測する追加学習
• ラベル付き変異の分類モデル作成
• 学習データと実行コマンドの準備

CodonFMの公開Encodonモデルで遺伝子配列の変異を評価するため、入力CSVの検証、実行コマンドの準備、推論とスコアの確認を支援するスキル。

• 評価前に変異CSVを検証したいとき
• Encodonの実行コマンド準備
• 推論の実行と出力配列の確認

CT画像と領域ラベルでNV-Segment-CT VISTA3Dを追加学習し、評価記録と学習済みモデルを出力します。通常方式と固定クラス向けsoftmax方式を使い分けます。

• CT画像と領域ラベルで追加学習したいとき
• smoke実行で学習手順を確認したいとき
• 重複しないクラスをsoftmaxで学習

NVFLAREの変換スキルが参照する共通ルールとテンプレートを提供します。依存関係の導入、サイト別データ配置、検証、独自集約の作業を支える内部用資料です。

• 変換時の依存関係の導入ルール確認
• 参加サイト別のデータパス確認
• 共通の検証・報告手順の参照

既存のPyTorch Lightning学習コードを、各拠点にデータを置いたまま共同学習するNVFLAREジョブへ変換します。ローカル検証やジョブの書き出しまで扱います。

• Lightningコードの連合学習化
• データを各拠点に残した共同学習の準備
• 変換後のローカルシミュレーション

停止・中断したNVFLARE Auto-FLの実験記録から、改善量や採用案、失敗案、文献の検証結果を整理します。再現に必要な情報を含む報告書とJSONを生成します。

• 最適化実験の停止後に最終報告を作成
• 初期値と採用された改善結果を整理
• 文献由来の案の成功・失敗を振り返る

CT・MRIの3次元画像で、画像の圧縮・再構成を担うMAISI VAEを追加学習します。入力の事前確認、学習設定の準備、チェックポイント保存や損失の記録に対応します。

• GPU学習前に入力を確認したいとき
• CT・MRIでVAEを追加学習したいとき
• 学習ごとの再構成損失の比較

複数拠点に分かれた表や画像のデータから、元データを共有せずに統計を集計し、NVFLAREで拠点別・全体の要約と出力の検証結果をまとめます。

• 拠点ごとの数値分布を比較したいとき
• 複数拠点の平均・分散・分位点の集計
• 画像件数と画素値の分布の把握

T1・T2・FLAIR・SWI・MRAなどの合成脳MRIボリュームを、指定した設定と乱数シードで生成し、出力画像の形状やデータの検証結果を記録するスキル。

• T1・T2の合成脳MRI生成
• FLAIR・SWIの生成設定の試行
• 乱数シードを指定した画像生成

研究用の合成CT画像と臓器・腫瘍の領域マスクを生成します。部位や出力サイズを指定し、生成条件、ラベル対応、断面画像をまとめて確認できるスキルです。

• 胸部CTと肺マスクを合成したいとき
• 合成CTの腫瘍サイズ条件の検討
• 生成前の設定と必要リソースの確認

NV-Generate-CTMRのrflow-mrで、体の合成MRI三次元画像を生成します。設定や乱数シードを指定し、出力画像の形状・画素間隔・数値の検証結果を記録します。

• 実験用の合成MRIを生成したいとき
• T1やT2などのMRI生成を試す
• 設定や乱数シードによる出力比較

物理現象の予測やシミュレーション向けに、PhysicsNeMoの現行ファイルからモデル候補、データ入力処理、参考例を探し、用途に沿って案内します。

• 物理現象の予測モデルを探したいとき
• 格子やメッシュ向けモデルの比較
• データ形式に合う入力処理の探索

胸部・腹部の3D CT画像と質問文を使って研究・開発向けの推論を実行し、生成テキストに入力画像の情報や実行環境を添えたJSONを出力するスキル。

• 胸部CTで推論を試したいとき
• 質問を指定した腹部CTの推論
• ローカルモデルと実行環境の確認

物体検出の予測と正解データをTAO Data Servicesで照合し、クラス別の適合率・再現率・APなどを集計します。CSVとPR曲線で結果を確認できます。

• 物体検出の予測を正解と照合したいとき
• クラス別の適合率と再現率の確認
• 評価CSVとPR曲線の作成

NVIDIA RAG Blueprintの導入から機能設定、障害調査、停止までを支援します。実行環境と稼働状態を確認し、検索やモデル、文書取り込みの設定変更を進めます。

• RAG環境を導入したいとき
• 検索や文書取り込みの設定変更
• モデル変更や画像機能の有効化

CT・MRIのNIfTI画像で領域を自動分割し、ラベル画像や領域別の体積、処理時間、形状の検証情報を記録するスキル。臨床的な読影や診断は対象外です。

• CT全身画像を自動分割したいとき
• 全身MRIや前処理済み脳MRIの分割
• ラベルIDを指定して領域を抽出

実装済み基板や金属表面、ガラスの外観検査向けに、欠陥画像の生成・加工・ラベル付けをOSMO上で進め、初期データ作成や追加学習を支援するスキル。

• CADから基板検査の初期データを作りたいとき
• 基板の表面欠陥や姿勢異常を生成したいとき
• 実写の検査画像を推論・ラベル付けしたいとき

Hugging FaceのTrainerを使う既存の学習コードを、複数拠点でモデルを学習するNVFLAREのジョブへ変換し、ローカル検証と出力まで進めます。

• Trainerの学習を連合学習へ移したいとき
• PEFTやLoRAの連合学習対応
• 変換時に評価指標を引き継ぎたいとき

既存のNVFLAREジョブに変更候補を用意し、学習予算と評価条件をそろえて比較します。指標に基づく採否判断や、変更内容・実行結果の記録まで進めます。

• 既存の連合学習ジョブを改善したいとき
• 固定した学習予算で2案を比較したいとき
• 候補と結果の記録から最適化を再開したいとき

OSMO上で動画データのバリエーション作成と自動ラベル付けを進めます。実行前の環境確認から処理の監視、成果物の取得、元動画との並列比較までを扱います。

• 元動画に自動ラベルを付けたいとき
• 動画を拡張してラベルを付けたいとき
• 元動画と拡張動画を一括処理

VSS Alerts Blueprintの検証モードで物体検出モデルを交換し、ONNXの配置から検出結果の読み取り設定、TensorRTの構築、再デプロイまでを支援します。

• 検証用の検出モデルを交換したいとき
• 独自パーサーの読み込み失敗を調べたいとき
• ONNX配置やエンジン再構築を直したいとき

CT画像から指定した臓器の領域をVISTA3Dで分け、ラベル画像と臓器ごとの体積、入力との整合性などを記録し、研究・開発向けの検証材料を出力するスキル。

• CTの肝臓・脾臓・左右腎臓を抽出
• 臓器別の画素数と体積を記録
• 出力の形状や想定外ラベルの確認