「model」の検索結果

報酬を手がかりに行動を学ぶ強化学習の実験を、環境づくりから学習・評価まで支援します。手法の選択、進捗監視、モデル保存と再開を含め、再現可能な実験を組み立てます。

• 再現可能な強化学習実験の構築
• 独自のGymnasium環境の作成と検証
• 学習状況の監視と途中保存

研究に必要な参加者数や試料数、検出できる効果の大きさを計算します。標準的な検定から複雑なモデルのシミュレーションまで扱い、人数の算定根拠を整理します。

• データ収集前に必要人数を見積もりたいとき
• 固定人数で検出できる差を知りたいとき
• 申請書に人数の算定根拠を書きたいとき

実験やアンケートのデータに合う統計手法を選び、前提条件の確認から効果の大きさ、必要な人数の計算、論文向けの結果報告までを支援するスキル。

• 実験のグループ間の差を調べたいとき
• アンケート項目の関係を調べたいとき
• 研究に必要な参加人数を見積もりたいとき

待ち行列や生産・物流の流れをSimPyでモデル化し、待ち時間や資源の利用状況を調べます。実行上限の設定から監視、テスト、反復実験の分析まで支援します。

• 窓口の人数別に待ち時間を比べたいとき
• 生産・物流で設備の取り合いを調べたいとき
• 優先処理や作業中断をテストしたいとき

量子系の時間変化や定常状態をQuTiP 5でシミュレーションし、物理的な仮定、単位、状態の妥当性、計算結果の収束を確認するスキルです。

• 散逸を伴う量子系を計算したいとき
• 量子モデルのソルバー選定
• 計算の収束と状態の妥当性確認

強化学習で使うPufferLibの版ごとの違いを整理し、環境の検証、並列実行、学習・評価の計画作成、保存モデルの読み込み前の確認までを支援するスキル。

• PufferLibの版に合うAPIを選びたいとき
• 学習前に環境の動作を検証したいとき
• 学習と評価のシードを分けて計画したいとき

生物学のデータセットやモデルをLaminDBで管理し、表の構造・型の検証、標準用語による注釈、解析の入出力や変更履歴の記録を通じて、再現可能なデータ整理を支援します。

• 生物学のデータセットを登録・整理
• DataFrameやAnnDataのメタデータ検証
• 生物学の標準用語で注釈を整理

ラベル付き文章データから仮説候補を作るLLM処理の計画と監査を支援します。設定やデータ分割の確認、費用見積もり、保存済み予測の評価まで扱います。

• 実行前にタスク設定を点検したいとき
• 学習・テスト間の重複を調べたいとき
• モデル呼び出し前に費用を見積もりたいとき

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

タンパク質配列の空欄補完や特徴量の抽出、全原子構造の予測をBiohubのPython SDKで進めます。ローカル実行とホスト型APIの使い分け、出力の確認を支援します。

• タンパク質配列の伏せた位置を補完したいとき
• タンパク質配列から数値特徴量を抽出
• タンパク質の全原子構造を予測したいとき

DNA変異が遺伝子の働きに及ぼす影響を、計算済みデータとモデル予測で調べます。候補の順位付けから組織別の影響、スコアの根拠の確認まで支援します。

• VCFの候補変異を順位付けしたいとき
• 組織別の遺伝子発現への影響調査
• 変異前後のDNA予測を比較したいとき

nanobotの使い方や設定、不具合の疑問に、インストール済みの版に付属する文書をもとに回答します。初期設定やWebUI、モデルの設定などを案内します。

• nanobotの初期設定を知りたいとき
• WebUIの設定手順の確認
• モデル提供サービスの接続設定

JavaからAzure AI Foundryの接続先やデータセット、検索インデックス、モデル評価を扱う実装を、SDKの設定例と操作例に沿って進めるスキルです。

• 接続済みAzureリソースを確認したいとき
• 検索インデックスを作成・更新したいとき
• モデル評価へのアクセスを実装したいとき

Javaで時系列データの異常検知を実装するスキル。Azure AI Anomaly Detectorを使い、単一指標の急変や複数指標の関連に潜む異常を調べます。

• 単一の時系列で異常値を探したいとき
• 最新の測定値を監視したいとき
• 時系列の傾向変化を調べたいとき

Azure AI Foundryのエージェントや接続、データセットを.NETから操作する実装を支援します。モデルの配置情報の取得、検索用索引の管理、評価の実行も扱います。

• .NETアプリでエージェントを実行
• 接続情報やモデルの配置状況の確認
• データ登録と検索用索引の管理

TypeScriptでAzure AI Foundryのエージェントを作成・実行し、接続先やモデルのデプロイ、データセット、検索用索引を扱う実装を支援します。

• TypeScriptでエージェントを作りたいとき
• 検索や外部ツールを組み込みたいとき
• 接続先と配置済みモデルの確認

REST APIをアプリから扱うためのクライアントコードを生成します。認証、再試行、型付きデータモデル、エラー処理、ページ分割の補助と使用例まで整えるスキルです。

• REST API用のPythonクライアント作成
• TypeScriptの送受信データ型を作りたいとき
• 再試行とAPIエラー処理の共通化

Web収集や自動処理を行うApify Actorの作成・修正・デバッグを支援します。言語別のひな形選びから入出力設定、ローカルテスト、デプロイまで扱います。

• Web収集用のActorを作りたいとき
• Actorの入力と出力を定義したいとき
• ローカルデータで不具合を調べたいとき

AI推論サービス間の通信保護と振り分けを設計するスキル。Istioの設定例をもとに、相互認証、モデルの段階公開、再試行制限、障害の波及防止や監視を整理します。

• 推論サービス間の通信を保護したいとき
• 新モデルを段階的に公開したいとき
• GPU処理の再試行と障害対策の見直し

プロンプト変更前後の出力を同じ評価データで比べ、品質の悪化や未確認の結果を整理します。モデル設定とケース別の根拠を残し、変更の採否を検討できます。

• プロンプト変更前後を比較したいとき
• 変更後のJSON必須項目の確認
• ツール選択とタスク完了の検証

AI機能を製品に組み込むために、LLM連携、外部情報を参照するRAGの構成、プロンプト設計、利用者が信頼できる操作体験、コスト最適化を扱います。

• 製品へのLLM連携を検討したいとき
• 情報参照に使うRAGの構成検討
• プロンプト設計とAIの操作体験の見直し

複数のAIエージェントが連携する処理の遅さやコストを測定し、役割分担・並列実行・文脈の使い方を見直して、品質を保ちながら改善するための設計ガイドです。

• エージェント連携の遅さを調べたいとき
• 役割分担と並列実行を見直したいとき
• 品質基準を守って費用を抑えたいとき

AI機能の設計からLLM連携、資料検索、エージェント、機械学習、監視まで、必要な工程と関連スキルを整理します。品質評価やセキュリティの確認項目も示すスキルです。

• AI機能とLLM連携の開発計画
• RAGの検索設計と実装手順の整理
• エージェントの役割・ツール・記憶の設計

OpenAIやAnthropicなどのAPIを使い、特定の課題を解くAI製品の設計を支援します。プロンプトやモデル選定、利用量の計測、コスト管理まで扱います。

• 特定の課題に絞ったAI SaaSの企画
• 製品機能向けのプロンプト設計
• モデル・コスト・使いやすさの検討