데이터 분석, 머신러닝, LLM 앱, 프롬프트 설계 (9천건)
Manage LLM context windows deliberately — budgeting, prioritization, summarization, and retrieval instead of dumping everything in. Use when prompts grow long, costs rise, or the model loses track of key details.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Analyzing contact tracing data — network reconstruction, transmission chains, and evaluating tracing performance.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Build custom data visualizations with D3: selections, scales, axes, transitions, and reusable chart patterns. Use when off-the-shelf charts aren't enough.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Design annotation pipelines that produce reliable training labels — guidelines, agreement measurement, and quality control.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Choosing colormaps scientifically — perceptual uniformity, color-vision deficiency, and matching map to data type.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Estimate causal effects from observational and experimental data — DAGs, confounding control, quasi-experimental designs, and sensitivity analysis. Use when you need "what causes what," not just correlation.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Build dashboards with Chart.js: layout, KPI cards, cross-chart filtering, theming, and real-time panels. Use for operational and analytics dashboards.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Split documents for retrieval effectively — fixed, semantic, structural, and hierarchical chunking with overlap tuning. Use when RAG retrieval quality depends on how documents are divided.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
NLP on clinical text — de-identification, concept extraction, phenotyping from notes, and LLM safety guardrails.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
ClickHouse columnar analytics — schema design, MergeTree tuning, and fast queries — use for OLAP and high-volume event data.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Translating coarse global climate projections to local scales — dynamical vs statistical downscaling, bias correction, and added value.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Working with observational climate data — reanalyses, station records, anomalies, trends, and honest uncertainty.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Build with Cohere's enterprise AI — Command models, Embed embeddings, and Rerank for retrieval pipelines.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Statistical methods for biology and medicine — study design, hypothesis testing, regression, and survival analysis.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Bayesian data analysis — priors, likelihoods, posterior computation, model comparison, and honest reporting.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Precision position measurement — proper motions, parallaxes, reference frames, and working with Gaia data.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Analyzing behavioral experiment data — RT/accuracy preprocessing, mixed-effects models, and robust inference.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
End-to-end bioinformatics analysis — sequence QC, alignment, and omics pipelines for research data.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Build data-centric LLM applications with indexing and retrieval frameworks — document ingestion, indices, query engines, and RAG pipelines. Use when the core problem is getting the right data in front of the model.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Proven prompts behind viral AI-made videos across 4 models — Claude, Muse AI, ChatGPT, Gemini. Browse by model, category, or tech tag, copy a creator's prompt, adapt it to your own model and renderer. Use when you need a motion-graphic, explainer visual, 3D scene, interactive animation, or AI video-gen prompt that already worked in the wild.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Craft effective AI image prompts with structured syntax, style control, and iterative refinement techniques.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Design and build LLM agents: ReAct loops, tool schemas, planning, memory, guardrails, evals, and human-in-the-loop. Use when building autonomous multi-step AI systems.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Build LLM applications with chain-style orchestration frameworks — prompts, chains, tool-calling agents, memory, and retrieval pipelines. Use when structuring multi-step LLM programs, adding tools to a model, or composing RAG systems in code.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
隐私数据法律顾问。负责隐私问题分类、PIA 生成、DPA 审查、PIPL 合规检查、个人信息权利请求规划、隐私政策差异分析。当企业法务主理人（法衡中）调度执行隐私数据相关任务时激活。典型问题：此处理活动是否需要 PIA？审查 DPA；规划个人信息权利响应。
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.