データ・AIのスキル

PythonでcuOptを使い、配送先や車両の積載量、訪問可能な時間帯などを設定して、配送・巡回・集荷配達のルート計算と結果の確認を支援するスキル。

• 積載量を考慮した配送ルート計算
• 指定した時間帯に訪問したいとき
• 集荷・配達の組と訪問順序の設定

NVIDIA NIMでタンパク質の骨格を設計し、新規構造や既存の部分構造を生かした設計、結合相手の候補をPDB形式で出力するスキル。

• 新規タンパク質の骨格を生成したいとき
• 既存の部分構造を残して設計したいとき
• 標的残基を指定して結合相手を設計

pandasで扱う表データ処理をcuDFでGPUへ移す作業を支援します。結合・集計・CSVやParquet入出力から、結果の照合、メモリ対策、複数GPU利用まで扱います。

• 既存pandas処理を少ない変更で加速
• 結合や集計をGPUへ移したいとき
• 欠損値や並び順をpandasと照合

医療用語の音声認識ミスを減らすため、Parakeet TDT v2を追加学習し、学習前後の重要語の誤り率を比較して、モデルの採用やデータ追加を判断するスキル。

• 薬剤名の文字起こしミスを減らしたいとき
• 医療用語の学習効果を比較したいとき
• 学習データを増やすべきか判断したいとき

医療用語の音声認識を評価するため、用語選定から発音確認、合成音声とNeMo形式のデータ一覧作成まで進めるスキルです。声や雑音、文脈を変えた評価用データを用意します。

• 診療分野別の音声認識評価セット作成
• 薬剤名や処置名の合成音声の発音確認
• 声・雑音・文脈を変えた評価音声の生成

分子を表すSMILES形式のCSVから、KERMTの学習済みモデルで分子ごとの特徴を数値化します。入力の検証と整形から、4種類の特徴配列の保存まで進めるスキルです。

• SMILESのCSVから分子特徴を抽出したいとき
• 手元のKERMTモデルを再利用したいとき
• 公開事前学習モデルで特徴を抽出したいとき

資源配分や整数の割り当て、二乗誤差の最小化などをcuOptで解くため、問題の分類からPython・C/C++・CLIでの実装や設定を支援するスキル。

• 資源配分をモデル化したいとき
• 整数や可否の選択を扱いたいとき
• 二乗誤差や分散の最小化

タンパク質やDNA・RNA、結合する分子の立体構造と結合親和性の予測を支援します。NVIDIA APIまたはローカルDockerで実行し、構造ファイルと予測指標を保存・確認します。

• タンパク質やDNA・RNA複合体の構造予測
• SMILESやCCDで結合分子を指定したいとき
• 1つの結合分子の結合親和性予測

用途に合う合成データセットを作るためのPython設定ファイルを生成します。列の構成や生成方法を組み立て、対話で条件を詰める進め方にも、判断を任せる進め方にも対応します。

• 説明から合成データを作りたいとき
• 氏名や住所などの人物データ生成
• 指定スキーマに沿ったデータ生成

既存のgrover_base学習済みモデルに、分子構造の文字列表現を再構成する学習を追加し、手元のデータでハイブリッド型の事前学習を続けるスキルです。

• 既存モデルにcMIMを追加したいとき
• 分子データで事前学習を続けたいとき
• モデル変換と学習の履歴を確認したいとき

生産計画や在庫管理などの文章を、固定条件・制約・決定事項・目的に整理し、線形計画や整数計画、二次計画の数式モデルへ落とし込む考え方を案内します。

• 能力と費用を踏まえた生産計画の定式化
• 仕入れ・販売をまたぐ在庫制約の整理
• 複数目標を優先順位順に扱いたいとき

分子構造と正解ラベルを含むCSVで、事前学習済みKERMTを追加学習します。データ検証から特徴量の準備、コンテナでの学習起動、モデルやログの保存まで扱います。

• ラベル付き分子データで学習したいとき
• 予測対象の列を指定したいとき
• 準備済みデータで学習条件を比較

画像・動画の推論、物体検出、追跡に使うDeepStreamの処理パイプラインを対話形式で組み立てます。入力や出力先に合わせて実行コマンドを生成し、構文や要素を検証します。

• ローカル画像や動画で推論したいとき
• 複数RTSP映像の物体検出と追跡
• 処理結果をMP4に保存したいとき

種となる分子の構造から小分子の候補を生成し、指定した性質に沿った最適化や分子の数値表現の取得、生成結果の保存・検証まで進めるスキル。

• 既存分子に似た候補を生成したいとき
• QEDやplogPを指標にした最適化
• ローカル環境での分子埋め込み取得

タンパク質やDNA・RNA、小分子との複合体の立体構造を、OpenFold3のAPIやローカル環境で予測し、構造ファイルの保存と信頼度の確認まで支援します。

• APIでタンパク質の構造を予測したいとき
• 核酸や小分子との複合体を予測したいとき
• Dockerでローカル推論を準備したいとき

学習済みのKERMTモデルで、分子構造を文字列で表したSMILESのCSVから予測を実行します。入力検証とデータ整備を経て、対象ごとの予測値をCSVにまとめます。

• SMILES一覧から分子の予測をしたいとき
• モデルが予測に使えるか確認したいとき
• 準備済みデータで再度予測したいとき

費用とサービス水準など、両立しにくい目標をcuOptで繰り返し計算し、妥協案の候補を整理します。各案で何を得て何を譲るかを比較し、選択を支援します。

• 費用とサービス水準を比較したいとき
• 収益とリスクの妥協案を探したいとき
• 配送距離と車両数を比較したいとき

分子構造を記した独自のCSVデータから語彙を作り、KERMTモデルを初期状態から事前学習します。データ検証、実行時間の見積もり、ログの案内まで扱います。

• 専門的な化学データで新規モデルを学習
• 既存チェックポイントなしで事前学習
• 学習目的とバッチサイズの選定

分子構造を文字列で表すSMILESの独自データで、KERMTの事前学習を継続します。データと既存モデルの検証、学習起動、ログや保存先の案内まで支援します。

• 独自SMILESで事前学習を続けたいとき
• 学習率スケジュールを変えて追加学習
• 中断した学習を再開したいとき

バックグラウンドで動くKERMTの学習状況を、実行記録とDockerの状態、ログから確認します。進捗や検証指標、完了後のテスト結果をまとめるスキルです。

• バックグラウンドの事前学習を確認
• ログと検証指標を継続監視
• 追加学習後のテスト指標を確認

NVIDIAのEvo 2でDNA配列を生成し、塩基数や生成時の確率、処理時間を検証して結果を保存します。ローカル環境ではモデル内部の層の出力も抽出できます。

• 入力配列に続くDNAを生成したいとき
• 生成配列と検証指標を保存したいとき
• ローカルモデルの内部層を調べたいとき

大量の分子をまとめて処理するPythonコードの作成・デバッグを支援します。nvMolKitでRDKitの分子特徴量、類似度、立体構造の計算や検索をGPU上で行います。

• 大量分子の特徴量と類似度を計算したいとき
• 分子の立体構造を一括生成・最適化したいとき
• 立体構造の違いでクラスタリングしたいとき

対応する物体検出モデルをNVIDIA DeepStreamへ組み込みます。モデルの取得・変換からTensorRT構築、複数映像の性能測定、PDFレポート作成まで進めます。

• 既定のRT-DETRをDeepStreamで試したいとき
• HuggingFaceやNGCの検出モデルを導入
• 複数映像の同時処理性能を比較したいとき

ライブカメラのRTSP映像をVIOSで録画し、AutoMagicCalibでカメラ校正を進めます。設定や位置合わせ資料の取り込み、進捗確認、結果取得まで扱います。

• ライブ映像でカメラ校正をしたいとき
• 現場用の設定と位置合わせ資料を登録
• 正解データを使った校正結果の評価