スキルを探す

Build deterministic, verifiable data visualizations with D3.js (v6). Generate standalone HTML/SVG (and optional PNG) from local data files without external network dependencies. Use when tasks require charts, plots, axes/scales, legends, tooltips, or data-driven SVG output.

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。

Tools and techniques for detrending time series data in macroeconomic analysis. Use when working with economic time series that need to be decomposed into trend and cyclical components. Covers HP filter, log transformations for growth series, and correlation analysis of business cycles.

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。

Multi-hop evidence search + structured extraction over enterprise artifact datasets (docs/chats/meetings/PRs/URLs). Strong disambiguation to prevent cross-product leakage; returns JSON-ready entities plus evidence pointers.

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。

An overview of the core data API of ObsPy, a Python framework for processing seismological data. It is useful for parsing common seismological file formats, or manipulating custom data into standard objects for downstream use cases such as ObsPy's signal processing routines or SeisBench's modeling API.

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 geospatial data using geopandas with proper coordinate projections. Use when calculating distances between geographic features, performing spatial filtering, or working with plate boundaries and earthquake data.

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。

Power system network data formats and topology. Use when parsing bus, generator, and branch data for power flow 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。

An overview of the python package for running the GaMMA earthquake phase association algorithm. The algorithm expects phase picks data and station data as input and produces (through unsupervised clustering) earthquake events with source information like earthquake location, origin time and magnitude. The skill explains commonly used functions and the expected input/output format.

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。

Guidance for analyzing network packet captures (PCAP files) and computing network statistics using Python, with tested utility functions.

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。

Analyzes 3D mesh files (STL) to calculate geometric properties (volume, components) and extract attribute data. Use this skill to process noisy 3D scan data and filter debris.

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。

Geospatial routing data handling for depot and station coordinates, route node IDs, internal index mappings, great-circle distance matrices, and route-distance reconstruction. Use when optimization or reporting tasks involve latitude/longitude, station IDs, depots, distance metrics, vehicle routes, or validating travel distance from reported paths.

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。

Use this skill when reading sensor data from CSV files, writing simulation results to CSV, processing time-series data with pandas, or handling missing values in datasets.

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 unified multi-level category taxonomy from hierarchical product category paths from any e-commerce companies using embedding-based recursive clustering with intelligent category naming via weighted word frequency 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。

Train GPT-2 scale models (~124M parameters) efficiently on a single GPU. Covers GPT-124M architecture, tokenized dataset loading (e.g., HuggingFace Hub shards), modern optimizers (Muon, AdamW), mixed precision training, and training loop implementation.

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。

Choose and implement clustering algorithms for grouping speaker embeddings after VAD and embedding extraction. Compare Hierarchical clustering (auto-tunes speaker count), KMeans (fast, requires known count), and Agglomerative clustering (fixed clusters). Use Hierarchical clustering when speaker count is unknown, KMeans when count is known, and always normalize embeddings before clustering.

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。

Combine visual features (face detection, lip movement analysis) with audio features to improve speaker diarization accuracy in video files. Use OpenCV for face detection and lip movement tracking, then fuse visual cues with audio-based speaker embeddings. Essential when processing video files with multiple visible speakers or when audio-only diarization needs visual validation.

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。

Generate interactive command-line prompts using Inquirer.js with validation, conditional logic, and custom renderers. Creates user-friendly input collection flows for CLI 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。

Provide implementations of advanced data structures

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。

Token-efficient prompt compression techniques for cost optimization

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。

Pinecone vector database setup, configuration, and operations for RAG 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。

Select optimal data structure based on operation requirements

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。

SetFit few-shot learning for efficient intent classification with minimal data

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。

Cross-encoder reranking and MMR diversity filtering for improved retrieval 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。

Hybrid search combining semantic and keyword retrieval for RAG pipelines. Implement BM25 + dense vector search with fusion strategies.

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。

Document chunking with multiple strategies including semantic, recursive, and fixed-size chunking

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。