1万 件 ・ 関連度順
Use to test whether an AI agent, prompt, or skill actually works before or after it ships — build a small eval set, score runs, and catch regressions when the prompt or model changes. Trigger when the user asks whether a prompt is good, wants to compare models or versions, sees inconsistent agent output, or is about to put an agent in front of customers.
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 Iceberg tables on Databricks — Managed Iceberg tables, External Iceberg Reads (fka Uniform), Compatibility Mode, Iceberg REST Catalog (IRC), Iceberg v3, Snowflake interop, PyIceberg, OSS Spark, external engine access and credential vending. Use when creating Iceberg tables, enabling External Iceberg Reads (uniform) on Delta tables (including Streaming Tables and Materialized Views via compatibility mode), configuring external engines to read Databricks tables via Unity Catalog IRC, integrating with Snowflake catalog to read Foreign Iceberg tables
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。
Python backend for Databricks Apps — FastAPI (default), Flask, Dash, Streamlit, Gradio, Reflex. **Default for a new Databricks App is `databricks-apps` (AppKit — Node/TypeScript/React) — reach for it first.** Use this skill only when the user asks for a Python backend, extends an existing Python app, or the team is Python-only. Covers OAuth auth, app resources, SQL warehouse and Lakebase connectivity, foundation-model / Vector Search / model-serving APIs (via `databricks-python-sdk`), and deployment via CLI or DABs.
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。
API reference: SwiftData. Query for @Model, ModelContext, @Query, schema migrations.
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 when choosing the model for a medical-imaging study. Picks a paper-grounded architecture family (CNN/ViT, U-Net/nnU-Net, detection, SAM/foundation, GNN), then vets the concrete repo or checkpoint for licence, version pin, weight provenance and benchmark overlap.
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。
Renamed to /model-selection in v6 (removed in v7).
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 when validating or evaluating a trained medical-imaging model. Audits split leakage and validation design, computes task-correct held-out metrics (Dice + HD95, AUROC + AUPRC, FROC, calibration), and covers uncertainty/OOD and Grad-CAM explainability, each with a gate.
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。
Renamed to /model-assessment in v6 (removed in v7).
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。
Renamed to /model-assessment in v6 (removed in v7).
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 when designing or auditing how an LLM or multimodal LLM is evaluated on a clinical task (report generation, VQA, text extraction). Covers reference standard, clinical-efficacy metrics beyond BLEU/ROUGE, hallucination, contamination and prompt sensitivity. Imaging models are /model-assessment.
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。
Assess whether to escalate models. Use when evaluating reasoning depth.
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。
Sweep plugins, skills, agents, commands, and hooks after a model release or Claude Code version bump. Use when upstream ships. Do not use for routine edits; use night-market-change-control.
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。
Foolbox operating guidance for wrapping vision models, running adversarial attacks, measuring clean and robust accuracy, handling NumPy/PyTorch/TensorFlow/JAX backends, and loading Foolbox-compatible model-zoo repositories.
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 DGL-LifeSci and dgllife for molecular graph learning, molecule featurization, datasets, property prediction, reaction prediction, binding affinity, model-zoo/pretrained models, and molecular generation 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。
Use Diffusion Planner for nuPlan autonomous-driving trajectory generation: prepare model-ready data, train or resume the diffusion model, configure closed-loop planning, and add differentiable collision or classifier guidance.
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 DreamerV3 for world-model reinforcement learning training, embodied environment dataflow, JAX model internals, result operations, and troubleshooting.
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。
Routes easy12306 12306 captcha recognition tasks across pretrained inference, data preparation, text-model training, and image-model training 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。
Use the DataSciencePython tutorial/example collection through modern self-contained helpers for Python data-science resources, statsmodels logistic regression, scikit-learn Kaggle-style tabular classifiers, and Twitter JSONL extraction.
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 DeepCTR-Torch for PyTorch CTR/recommender feature columns, single-task models, DIN/DIEN sequence models, and multi-task learning 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。
Routes DeepStream-Yolo deployment, model conversion, multi-GIE, and INT8 workflows for supported YOLO-family models.
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。
Route Chinese-BERT-wwm model loading, model selection, benchmark data, and troubleshooting workflows for HFL Chinese BERT-family resources.
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。
Operate ASRT SpeechRecognition Chinese ASR data, acoustic models, pinyin language model, and serving clients.
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。
Route Asteroid tasks to the right sub-skill for pretrained inference, training recipes, custom model building, and model sharing.
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 AutoKeras for Keras-based AutoML task APIs, custom AutoModel graphs, tuner search, and model export 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。