8,820 件 ・ 人気順
概要と使いどころ
6 production-ready AI engineering workflows: prompt evaluation (8-dimension scoring), context budget planning, RAG pipeline design, agent security audit (65-point checklist), eval harness building, and product sense coaching.
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。
AI and machine learning workflow covering LLM application development, RAG implementation, agent architecture, ML pipelines, and AI-powered features.
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。
Supervised & unsupervised learning, scikit-learn, XGBoost, model evaluation, feature engineering for production ML
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。
You are an expert LangChain agent developer specializing in production-grade AI systems using LangChain 0.1+ and LangGraph.
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。
Expert in JAX for high-performance numerical computing and machine learning
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。
Expert guidance for LlamaIndex development including RAG applications, vector stores, document processing, query engines, and building production AI applications.
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。
Build comprehensive ML pipelines, experiment tracking, and model registries with MLflow, Kubeflow, and modern MLOps tools.
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。
Expert guidance for LangChain and LangGraph development with Python, covering chain composition, agents, memory, and RAG implementations.
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。
Master the LangChain framework for building sophisticated LLM applications with agents, chains, memory, and tool integration.
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。
Large Language Model development, training, fine-tuning, and deployment best practices.
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。
Build production ML systems with PyTorch 2.x, TensorFlow, and modern ML frameworks. Implements model serving, feature engineering, A/B testing, and monitoring.
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。
LLMs, prompt engineering, RAG systems, LangChain, and AI application development
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。
Diagnose and optimize Agent Skills (SKILL.md) with real session data and research-backed static analysis. Works with Claude Code, Codex, and any Agent Skills-compatible agent.
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 covers the principles for identifying tasks suited to LLM processing, designing effective project architectures, and iterating rapidly using agent-assisted development.
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。
Best practices and guidelines for Apache Kafka event streaming and distributed messaging
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。
Master modern SQL with cloud-native databases, OLTP/OLAP optimization, and advanced query techniques. Expert in performance tuning, data modeling, and hybrid analytical systems.
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。
Forensic root cause analyzer for Antigravity sessions. Classifies scope deltas, rework patterns, root causes, hotspots, and auto-improves prompts/health.
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。
Statistics, probability, linear algebra, and mathematical foundations for data science
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。
Best practices for Matplotlib data visualization, plotting, and creating publication-quality figures in Python
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。
Performs numerical and symbolic mathematics using NumPy, SciPy, SymPy, and mpmath. Use when the user needs linear algebra, arrays, optimization, integration, ODEs, symbolic expressions, equation solving, or arbitrary-precision arithmetic.
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。
Build features guided by data insights, A/B testing, and continuous measurement using specialized agents for analysis, implementation, and experimentation.
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。
Best practices for SciPy scientific computing, optimization, signal processing, and statistical analysis in Python
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。
Apache Airflow, dbt, Prefect, Dagster, and modern data orchestration for production data 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。
Guidelines for data analysis and Jupyter Notebook development with pandas, matplotlib, seaborn, and numpy.
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。