言語モデルを少ないメモリで追加学習するために、Unslothの使い方やAPIを調べ、LoRA・QLoRAによる実装やコードの不具合調査を支援するスキル。
- LoRA・QLoRAの追加学習を始めたいとき
- Unslothの機能やAPIを調べたいとき
- 学習コードのエラーを調査したいとき
2,485 件 ・ 関連度順
概要と使いどころ
言語モデルを少ないメモリで追加学習するために、Unslothの使い方やAPIを調べ、LoRA・QLoRAによる実装やコードの不具合調査を支援するスキル。
NVIDIA GPU上で大規模言語モデルの応答生成を高速化し、APIとして提供する設定を支援します。量子化や一括処理、複数GPUへの分散も扱います。
PyTorchで大規模言語モデルを事前学習するために、複数GPUへの処理分割や学習設定を支援します。単一ノードから複数ノードでの実行、学習の保存・再開も扱います。
Excelの財務モデルを根拠に、数値の出典を明記したPowerPoint資料をファイルとして作成するスキル。社内テンプレートやグラフ画像も使えます。
エミュレーター上のPokemonをAIに操作させ、移動や会話、バトルを進めるスキル。画面とメモリ内の状態を確認しながら遊び、ブラウザーでの観戦や保存・再開も扱います。
画像の内容を質問したり、説明文を作ったりするために、LLaVAの導入と利用を支援します。画像を見ながら続ける対話や、画像付き文書の理解にも使えるスキルです。
文章からの画像生成や、既存画像の画風変更、指定部分の補完をPythonで実装します。構図やスタイルの制御、生成設定の調整、メモリ節約も案内するスキルです。
ブログやメールなどの原稿から、AIに多い定型表現や過剰な装飾を見つけて整えるスキル。意味と意図した調子を保ち、書き手の文体見本にも合わせて推敲します。
曲の構成や韻、歌いやすさを考えた歌詞と、Suno向けの曲調・歌唱指示を作るスキルです。替え歌の語句調整やAI歌唱の発音対策も扱います。
Word文書やテンプレートの作成・編集、内容の抽出を支援します。目次や表、画像の配置から変更履歴・コメントの扱い、仕上がりの確認まで対応します。
Claudeを使うアプリの実装や更新を、言語別の資料に沿って進めます。公式SDKでの呼び出し、ツール連携、モデル移行、費用の見直しや評価の整備を扱います。
エラーや予期しない動作の原因を、コード・変更履歴・再現手順から調べます。仮説を検証してから最小限の修正を行い、再発防止テストと証拠付きの報告まで進めます。
開発計画の目的や前提を問い直し、複数の実現案と実施範囲を比較します。設計・セキュリティ・テストなどの観点から問題を洗い出し、実装前の判断を支えるスキル。
新しい製品や個人開発のアイデアを対話で整理し、課題や需要、実現方法を検討して設計文書にまとめます。起業・社内企画と学習・趣味など、目的に合わせて問いを変えます。
Gitの変更履歴から開発成果、作業時間帯、テストの割合や変更の集中箇所を分析し、個人・チームの改善点と過去からの推移をまとめる振り返り用スキル。
Markdown原稿を、余白・改ページ・ページ番号を整えたPDFに変換。表紙やクリックできる目次、透かし、図の描画にも対応し、配布用の文書に仕上げるスキル。
経営判断に必要な選択肢・リスク・推奨案を整理し、落ち着いた紺と金のHTMLスライドにまとめます。CEOや戦略チーム、取締役会への説明に向くスキルです。
入力した文章やデータを、いいね・リポスト・閲覧数付きのX風投稿カードに整え、動画への重ね表示や画像共有に使う単一HTMLを作るスキル。
インタビューや問い合わせ、アンケートを整理し、製品やデザインの判断に使うHTML画面を作ります。根拠の一覧、テーマ、確信度、改善案の比較、次の実験をまとめます。
claude-memに蓄積した開発履歴を読み解き、設計の変遷や難題の解決、作業傾向、記憶活用によるトークン節約の推計を物語形式のレポートにまとめます。
claude-flow v3のMCPサーバーの遅延や負荷を調べ、接続の再利用、ツール検索、負荷分散、通信処理の改善と性能監視の実装を支援するスキルです。
Automated coordination, formatting, and learning from Claude Code operations using intelligent hooks with MCP integration. Includes pre/post task hooks, session management, Git integration, memory coordination, and neural pattern training for enhanced development 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。
Implement ReasoningBank adaptive learning with AgentDB's 150x faster vector database. Includes trajectory tracking, verdict judgment, memory distillation, and pattern recognition. Use when building self-learning agents, optimizing decision-making, or implementing experience replay 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。
調査・開発・テストを複数のAIエージェントに分担させ、連携して進めるスキルです。役割や作業順序の設計から、並列実行、進捗監視、結果の集約まで扱います。