'classification' 검색 결과

Detects command-and-control (C2) communications tunneled through DNS protocol including DNS tunneling tools (Iodine, dnscat2, dns2tcp, Cobalt Strike DNS beacon), domain generation algorithms (DGA), encoded payload delivery via TXT/CNAME records, and DNS beaconing patterns. Covers Shannon entropy analysis of query subdomains, statistical anomaly detection, ML-based DGA classification, passive DNS correlation, and Zeek/Suricata signature development. Activates for requests involving DNS-based C2 detection, DNS tunnel identification, suspicious DNS traffic investigation, or DGA domain classification.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

OpenAI's model connecting vision and language. Enables zero-shot image classification, image-text matching, and cross-modal retrieval. Trained on 400M image-text pairs. Use for image search, content moderation, or vision-language tasks without fine-tuning. Best for general-purpose image understanding.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

End-to-end shotgun metagenomics workflow from FASTQ to taxonomic and functional profiles, orchestrating controls/host depletion, Kraken2+Bracken classification, MetaPhlAn marker profiling, and HUMAnN functional profiling. Covers the controls-first ordering, why Kraken2 read counts are not abundances and MetaPhlAn cell fractions do not equal Bracken read fractions, and the consistent-pipeline framing. Use when profiling shotgun metagenomic samples end to end, or chaining classification, abundance, and function. For resistome see metagenomics/amr-detection; for strains see metagenomics/strain-tracking; for assembly see genome-assembly/metagenome-assembly.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

Machine learning in Python with scikit-learn. Use when working with supervised learning (classification, regression), unsupervised learning (clustering, dimensionality reduction), model evaluation, hyperparameter tuning, preprocessing, or building ML pipelines. Provides comprehensive reference documentation for algorithms, preprocessing techniques, pipelines, and best practices.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

Claude API (platform.claude.com) のプロンプトエンジニアリング・評価リファレンス。 prompt engineering, XML タグ, few-shot, system prompts, モデル別プロンプティング（Fable 5.1 / Fable 5 / Opus 5.5 / Opus 5 / Sonnet 5.5 / Sonnet 5 / Haiku 5.5）。 evals, grading（LLM-graded 等）, jailbreak・prompt leak 対策, hallucination 低減, classification, ticket routing, commerce agent 等ユースケース実装。

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

Use this skill when a crash has been incorrectly classified as DOT-recordable when it shouldn't be. Covers the § 390.5 criteria, common misclassifications, and challenge process.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

OpenAI's model connecting vision and language. Enables zero-shot image classification, image-text matching, and cross-modal retrieval. Trained on 400M image-text pairs. Use for image search, content moderation, or vision-language tasks without fine-tuning. Best for general-purpose image understanding.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

Detects command-and-control (C2) communications tunneled through DNS protocol including DNS tunneling tools (Iodine, dnscat2, dns2tcp, Cobalt Strike DNS beacon), domain generation algorithms (DGA), encoded payload delivery via TXT/CNAME records, and DNS beaconing patterns. Covers Shannon entropy analysis of query subdomains, statistical anomaly detection, ML-based DGA classification, passive DNS correlation, and Zeek/Suricata signature development. Activates for requests involving DNS-based C2 detection, DNS tunnel identification, suspicious DNS traffic investigation, or DGA domain classification.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

기존 테스트와 부족한 부분을 점검합니다. 요구 사항, 업무 규칙, 결함을 식별 번호와 실행 결과에 연결하고 테스트 대장으로 검증 여부를 추적합니다.

• 기존 테스트와 부족한 부분을 점검합니다
• 결함 수정의 재발 방지를 확인합니다
• 클라이언트와 서버의 계약 검증을 살핍니다

USPTO 공식 정보로 미국 특허와 상표를 검색하고 신청 상태, 심사 문서, 권리 양도 기록을 확인합니다. 검색 조건과 조회 날짜를 남겨 조사 결과를 재현할 수 있게 정리합니다.

• 기업·발명자·날짜·분류별 특허 검색
• 특허 출원 상태와 심사 기록 확인
• 상표 상태와 관련 문서 조회

의료 앱의 환자·직원·재무 기밀 정보를 분류하고, 의료기관별 접근 제어와 감사 기록을 설계하며 로그·주소·브라우저 저장소의 정보 유출을 점검합니다.

• 환자 기록을 다루는 코드를 점검합니다
• 의료기관 간 접근 제어를 설계합니다
• 기밀 정보의 조회와 변경을 기록합니다

전자 의무기록에 임상 의사결정 지원을 구현합니다. 약물 상호작용, 용량 검증, 임상 점수 계산과 경고 심각도별 화면 동작 및 누락 검증 테스트를 다룹니다.

• 약물 상호작용과 알레르기 확인 구현
• 환자 정보에 따른 용량 검증
• NEWS2 등 임상 점수 구현

LLM이 JSON, 정규 표현식, Pydantic 타입 정의에 맞춰 답변을 생성하도록 합니다. 텍스트에서 추출한 정보와 분류 결과를 후속 프로그램에서 다루기 쉬운 형식으로 정리합니다.

• 텍스트에서 기업과 제품 정보를 추출할 때
• 정해진 라벨로 리뷰를 분류할 때
• 프로필을 항목별로 정리할 때

추가 학습 데이터 없이 글로 지정한 후보에 따라 이미지를 분류하거나 설명에 맞는 이미지를 찾습니다. 이미지와 글의 유사도 비교, 여러 이미지의 일괄 처리도 지원합니다.

• 글로 지정한 라벨로 사진 분류
• 내용을 설명해 이미지 검색
• 이미지와 설명문의 대응 정도 비교

정규 표현식과 문법 규칙으로 로컬 언어 모델의 출력을 제한해 JSON과 날짜 형식을 맞춥니다. 고정 라벨 분류와 Python을 이용한 재사용 가능한 다단계 생성도 다룹니다.

• 지정 스키마에 맞는 JSON 생성
• 날짜와 이메일 주소 형식 통일
• 고정 라벨로 텍스트 분류

Maintain Paperclip Storybook examples by comparing them with shipped interfaces and the feature map. Update fixtures, classifications, and catalog references while preserving stable links and clearly identifying current examples, prototypes, historical work, and cases needing review.

한국어 요약은 준비 중입니다. 영어 요약을 표시하고 있습니다.

• Reconciling Storybook examples after interface changes
• Updating mock data and API responses
• Classifying prototypes and historical examples

Select, inspect, validate, and report Paperclip evaluations for Runner protocol behavior or complete product workflows. Interpret results with evidence, source revisions, costs, and failure categories, and refresh reports from retained evidence without new provider calls.

한국어 요약은 준비 중입니다. 영어 요약을 표시하고 있습니다.

• Choosing between Runner and Product E2E evaluations
• Inspecting evaluation catalogs without credentials
• Interpreting failures using evidence and execution records

Browse World Monitor's curated news feeds by topic or language, with duplicate stories removed. Review headlines, sources, publication dates, threat labels, and alert flags, then summarize selected headlines or translate them through the connected tools.

한국어 요약은 준비 중입니다. 영어 요약을 표시하고 있습니다.

• Scanning current headlines across topics
• Reviewing technology or finance news by language
• Summarizing or translating selected headlines

Help DeerFlow maintainers investigate GitHub issues and review pull requests, or proposed code changes. It prepares or posts evidence-based comments with fix strategies, risks, and validation guidance, and compares competing proposals for the same issue.

한국어 요약은 준비 중입니다. 영어 요약을 표시하고 있습니다.

• Draft issue replies with fixes and validation steps
• Post evidence-based pull request review findings
• Review batches of issues and pull requests

Develop machine learning models from local data, covering data preparation, model selection, training, evaluation, and deployment preparation. Use it to build workflows for tasks such as predicting customer churn or classifying images.

한국어 요약은 준비 중입니다. 영어 요약을 표시하고 있습니다.

• Building a model to predict customer churn
• Training a neural network for image classification
• Preparing missing values and categorical data for training

Plan, train, evaluate, and deploy neural networks using Flow Nexus cloud infrastructure. Coordinate training across multiple computing environments, tune training settings, and manage model versions, predictions, and ongoing performance monitoring.

한국어 요약은 준비 중입니다. 영어 요약을 표시하고 있습니다.

• Designing models for classification or time series
• Coordinating training across cloud environments
• Comparing model performance and tuning training

Classify market conditions as bullish, bearish, ranging, or volatile to guide strategy selection and historical testing. Distinguish synthetic demonstrations from analysis of actual price data, with confidence levels and historical comparisons where available.

한국어 요약은 준비 중입니다. 영어 요약을 표시하고 있습니다.

• Reviewing market conditions for a stock symbol
• Choosing a strategy suited to market conditions
• Checking market conditions before a backtest

Analyze Git changes before submitting or merging a pull request. Assess risk and complexity, classify changes, suggest reviewer roles, and identify files needing closer inspection using diff statistics and file-level risk analysis.

한국어 요약은 준비 중입니다. 영어 요약을 표시하고 있습니다.

• Assess change risks before submitting a pull request
• Review large changes spanning multiple modules
• Identify reviewer roles suited to the changes

Check untrusted text before passing it to a model or executing it. Using AIDefence, it provides safety checks, detailed threat classifications, confidence scores, and scanning for attempts to override instructions or extract data.

한국어 요약은 준비 중입니다. 영어 요약을 표시하고 있습니다.

• Checking user submissions before model processing
• Scanning API payloads and webhook data
• Inspecting tool outputs for hidden instructions