データ分析、機械学習、LLMアプリ、プロンプト設計（8,924 件）
概要と使いどころ
Prompt engineering frameworks for building, testing, versioning, and evaluating prompts: chain-of-thought, few-shot, regression testing, and rubrics. Use when designing production prompts, running A/B tests, or building prompt libraries.
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。
This skill should be used when the user asks to "estimate LLM costs", "count tokens in prompts", "optimize prompt token usage", "compare model pricing", or "reduce LLM API costs".
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。
Data analysis across SQL, visualization, statistics, and reporting. Use when writing SQL queries, building dashboards, performing cohort or funnel analysis, running hypothesis tests, or presenting data-driven recommendations.
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。
Context management engine for AI coding agents. Use when building agent memory systems, optimizing context windows, allocating token budgets, designing RAG pipelines for code, or managing persistent multi-session agent state.
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。
Business intelligence across dashboard design, visualization, and reporting automation. Use when designing dashboards, building KPI frameworks, automating reports, creating data stories, or optimizing BI tool performance.
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。
Applied statistics for business and product questions — test selection, assumption checks, power planning, effect sizes with intervals, multiplicity correction. Use when interpreting an experiment, sizing a study, or vetting a claim.
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。
Analytics engineering across data modeling, dbt, transformation, and semantic layers. Use when building dbt models, designing star schemas, writing staging or mart SQL, configuring data tests, or optimizing warehouse queries.
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。
MLOps across model deployment, ML pipelines, monitoring, and feature stores. Use when deploying models to production, building training pipelines, setting up drift detection, configuring feature stores, or automating ML CI/CD 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。
This skill should be used when the user asks to "evaluate LLM output quality", "set up LLM-as-judge", "build an eval rubric", "compare model outputs pairwise", or "measure agent quality".
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。
Data science across machine learning, statistical modeling, and experimentation. Use when selecting ML algorithms, engineering features, designing A/B tests, evaluating model performance, or building predictive pipelines.
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。
Data leadership advisor on data strategy, governance, quality, and platform decisions. Use when defining a data strategy, scoring data maturity, auditing data governance, evaluating a data platform, or designing the data org.
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。
Trace bugs and manual fixes back to kits and prompts; fix at the source so the iteration loop can reproduce the fix autonomously. Six-step revision process plus the single-failure backpropagation protocol. Use when a manual hot-fix has been applied, when convergence stalls, or when the same class of bug keeps reappearing.
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。
Analyze event logs, clickstreams, user paths, product funnels, retention, behavioral segments, transition graphs, step matrices, sequence patterns, and customer journeys using Retentioneering. Use when the user provides CSV, Parquet, pandas, or database event data containing user, event, and timestamp columns, or asks why users convert, churn, loop, abandon a flow, or follow particular product paths. Do not use for qualitative journey-mapping workshops or aggregate website traffic without user-level event sequences.
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。
Comprehensive global knowledge worker salary data with total market value calculations, sector breakdowns, geographic comparisons, and authoritative sources. USE WHEN discussing knowledge worker compensation, salary benchmarking, economic analysis of professional labor markets, or AI impact on wages.
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。
Quantum machine learning and differentiable quantum computing
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。
Neuropixels probe electrophysiology data processing and analysis
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。
Biological data management and lineage tracking with LaminDB
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。
Integration with OMERO bio-image data management platform
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。
Bioinformatics-specific data operations using Polars DataFrames
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。
Mass spectrometry data matching, comparison, and spectral similarity analysis
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。
Interactive scientific data visualization with Plotly
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。
Parallel web scraping and data collection from multiple sources
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。
High-performance DataFrame operations for large-scale data analysis
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。
Access Federal Reserve Economic Data (FRED) time series
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。