「data」の検索結果

病院の患者データ管理について、リスク、管理体制、責任分担、承認事項を整理し、理事会や規制当局への説明に使う発表者ノート付きのHTMLスライドを作成します。

• 患者データのリスクを理事会に説明したいとき
• 規制当局向けに管理体制を整理したいとき
• データ管理方針の承認資料を作りたいとき

データを操作しながら読めるグラフや図をD3.jsで作るためのスキル。多様な図表の例を手がかりに、レポートやダッシュボード、データを使った試作品に活用します。

• 売上を拡大可能な図で見たいとき
• データ間の関係を図示したいとき
• 日ごとの傾向を色で示したいとき

Webサイトの情報収集とデータ抽出をApifyで自動化するスキル。収集プログラムの実行、結果の取得、再利用するタスクの作成、実行ログの確認まで扱います。

• Google Placesで店舗情報を集めたいとき
• 必要な項目をJSONで取得したいとき
• 定期収集用のタスクを作りたいとき

システムのバックアップ作成とファイルからの復元、SQLiteデータベースの管理を扱います。データの書き出し・取り込みや増分スナップショットにも対応します。

• システムのバックアップ作成
• バックアップファイルからの復元
• SQLiteデータの書き出し・取り込み

CSV・Parquet・JSONの集計や結合、時系列分析、グラフ作成を支援。データ量と作業内容に応じて処理方法を選び、必要な答えを導くスキル。

• データファイルの集計・結合
• 時系列や分布を調べたいとき
• 分析前のデータ整形

Twenty本体に同期対象データを追加するため、型・エンティティ・共通定数を定義するスキルです。編集可能な項目やデータ間の関連も登録し、後続実装の基盤を整えます。

• Twentyに新しい同期対象を定義
• フラット型と移行アクション型の作成
• 編集項目と比較規則を登録したいとき

商品・記事・企業情報などを検索エンジンに伝える構造化データを追加・修正します。ページに合う形式の選定からJSON-LDの実装、検証項目の整理まで支援します。

• 商品・記事ページに構造化データを追加
• 既存マークアップのエラーを直したいとき
• パンくずリストの構造化データを実装

不揃いな表データをOpenRefineに取り込み、行の確認や文字列の整形、操作履歴の再利用を行い、整えた結果をCSV・TSVに書き出すスキル。

• CSV内の名前の余分な空白を除きたいとき
• 同じ整形手順を別のデータに再利用
• 変換前後の行データを確認したいとき

大きな科学データの多次元配列を分割して保存し、必要な範囲だけ読み書きする処理を支援します。圧縮やクラウド保存、形式移行、付随情報の保持も扱います。

• 大きな科学配列の一部を読みたいとき
• 分割単位と圧縮設定を選びたいとき
• S3やGCS上の科学配列を扱いたいとき

米国財務省の公開APIから、政府債務や歳入・歳出、国債金利、為替レートなどを取得し、期間や項目を絞って分析用の表に整理するスキル。

• 米国政府債務の推移を調べたいとき
• 月次の歳入と歳出の比較
• 政府報告用の為替レートの取得

Pythonで表データの抽出・集計・結合を行い、大きなファイルの処理やpandasからの移行を、実行計画の最適化とデータの検証まで支援するスキル。

• 大きなCSVを抽出・集計したいとき
• pandasの処理を移行したいとき
• 複数の表を結合・整形したいとき

創薬向け機械学習のデータ探索から評価までを支援します。PyTDCでデータセットを取得・分割し、予測結果の比較や指定した分子のスコア計算を進めます。

• 創薬向けの学習データを探したいとき
• タスクに合うデータ分割の計画・実行
• 指定指標で予測結果を比較したいとき

OMERO.serverの顕微鏡画像データを対象範囲を指定して一覧化し、注釈や関心領域の情報出力、画像の入出力計画、変更内容の事前確認を支援します。

• 対象を絞ったOMEROデータの一覧化
• 注釈・関心領域をJSONに出力したいとき
• 顕微鏡画像の入出力計画

Latch上で生命科学のデータ解析手順を作成・登録し、実行や監視まで支援します。Pythonや既存パイプラインの移行、データ連携、計算資源の設定も扱います。

• Python解析を作成・登録したいとき
• NextflowやSnakemakeを移行したいとき
• Latch DataとRegistryを連携したいとき

二光子撮像のTIFF画像と時刻付き行動位置CSVを、神経科学の共通形式NWBへ変換し、メタデータ・時刻同期・変換前後の一致を検証するスキル。

• 二光子撮像TIFFをNWBに変換したいとき
• 撮像と行動位置をまとめたいとき
• 同期パルスで時計のずれを確認したいとき

ローカルの科学データを対象に、対応形式と読込範囲を確かめて欠損・分布・外れ値などを調べ、識別情報の露出を抑えた探索的分析レポートを作るスキル。

• モデル作成前のCSV・TSV点検
• 欠損とデータ分割間の重複確認
• 外れ値の影響や変換感度の比較

Draft or audit manuscript Data/Code Availability statements, dataset access routes, repository plans, and FAIR metadata. Use for 数据可用性声明、数据共享、数据仓库选择 and dataset citations; not general data cleaning or statistical 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。

Internal downstream skill for ctf-sandbox-orchestrator. CTF-sandbox workflow for cloud metadata services, instance identity, workload identity, link-local credential paths, role assumption, and metadata-to-privilege trust edges. Use when the user asks to inspect metadata-service access, instance credentials, pod or workload identity, link-local token paths, SSRF-to-metadata escalation, or explain how metadata-derived credentials turn into accepted cloud or control-plane privilege. Use only after `$ctf-sandbox-orchestrator` has already established sandbox assumptions and routed here.

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。

Clean up messy spreadsheet data — trim whitespace, fix inconsistent casing, convert numbers-stored-as-text, standardize dates, remove duplicates, and flag mixed-type columns. Use when data is messy, inconsistent, or needs prep before analysis. Triggers on "clean this data", "clean up this sheet", "normalize this data", "fix formatting", "dedupe", "standardize this column", "this data is messy".

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 any time a spreadsheet file is the primary input or output. This means any task where the user wants to: open, read, edit, or fix an existing .xlsx, .xlsm, .csv, or .tsv file (e.g., adding columns, computing formulas, formatting, charting, cleaning messy data); create a new spreadsheet from scratch or from other data sources; or convert between tabular file formats. Trigger especially when the user references a spreadsheet file by name or path — even casually (like "the xlsx in my downloads") — and wants something done to it or produced from it. Also trigger for cleaning or restructuring messy tabular data files (malformed rows, misplaced headers, junk data) into proper spreadsheets. The deliverable must be a spreadsheet file. Do NOT trigger when the primary deliverable is a Word document, HTML report, standalone Python script, database pipeline, or Google Sheets API integration, even if tabular data is involved.

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。

GPU-accelerated data curation for LLM training. Supports text/image/video/audio. Features fuzzy deduplication (16× faster), quality filtering (30+ heuristics), semantic deduplication, PII redaction, NSFW detection. Scales across GPUs with RAPIDS. Use for preparing high-quality training datasets, cleaning web data, or deduplicating large corpora.

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。

Scalable data processing for ML workloads. Streaming execution across CPU/GPU, supports Parquet/CSV/JSON/images. Integrates with Ray Train, PyTorch, TensorFlow. Scales from single machine to 100s of nodes. Use for batch inference, data preprocessing, multi-modal data loading, or distributed ETL 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。

Convert laboratory instrument output files (PDF, CSV, Excel, TXT) to Allotrope Simple Model (ASM) JSON format or flattened 2D CSV. Use this skill when scientists need to standardize instrument data for LIMS systems, data lakes, or downstream analysis. Supports auto-detection of instrument types. Outputs include full ASM JSON, flattened CSV for easy import, and exportable Python code for data engineers. Common triggers include converting instrument files, standardizing lab data, preparing data for upload to LIMS/ELN systems, or generating parser code for production 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。

Discovers requirements and designs an end-to-end governed agentic analytics solution using Knowledge Catalog and Managed Service for Apache Spark (Lightning Engine). Use when designing data science and analytics workflows across structured and unstructured distributed data (including in S3, Azure Blob, AlloyDB, and Iceberg), establishing metadata governance with Knowledge Catalog aspect types, or grounding agentic IDEs (VS Code, Antigravity) by using the Google Cloud Data Agent Kit. Don't use for provisioning borderless data lakehouse infrastructure (use google-cloud-solution-agentic-ai-borderless-data-lakehouse instead).

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。