データベースチームは多くの場合、分析前にテーブル、リレーションシップ、データ品質をすばやく把握する必要があります。このスキルは、Claude、Codex、またはClaude Codeに、構造化されたDBX Studioプロファイリングワークフローを案内します。

見慣れないデータベースの探索は、時間がかかり一貫性を保ちにくい場合があります。このスキルは、スキーマレビュー、プロファイリング、リレーションシップ、品質チェックのための再現可能なワークフローをDBX Studioに提供します。

ZINC全体から購入可能な化合物や有用な類縁体を見つけるには、特殊なクエリ構文が必要になる場合があります。このスキルは、検索、ダウンロード、フィルタリング、ドッキング準備を支援します。

大規模な科学配列は、メモリやストレージシステムを圧迫する可能性があります。このスキルでは、Zarr、NumPy、Dask、Xarrayを使用したチャンク分割、圧縮、クラウドストレージ、並列ワークフローについて解説します。

高次元データは、可視化、クラスタリング、機械学習パイプラインでの再利用が困難です。このスキルでは、実践的なUMAPの設定、チューニング、変換、評価について解説します。

グラフ学習プロジェクトでは、データ、モデル、サンプリング、評価について慎重に選択する必要があります。このスキルは、PyTorch Geometricに関するガイダンス、例、テンプレート、ベンチマーク、可視化ユーティリティを提供します。

統計ワークフローは、不適切なモデル選択、不十分な診断、誤った解釈によって失敗することが少なくありません。このスキルは、信頼性の高い推論と予測のために、statsmodelsを用いた体系的なガイダンスを提供します。

統計検定の選択と報告には、一貫性の欠如や誤りが生じることがあります。このスキルは、分析計画、診断、効果量、検出力、解釈、APA形式の報告を支援します。

複雑な待ち行列や共有リソースは、導入前の評価が困難です。このスキルは、SimPyモデルの作成、監視、同期、結果分析を支援します。

機械学習チームには、モデル予測の背後にある明確な理由が必要です。このスキルは、SHAP explainerの選択、プロット、デバッグ、公平性チェック、本番環境での説明ワークフローを支援します。

本番環境向けMLシステムでは、一貫して設計、デプロイ、監視を行うことが困難です。このスキルは、MLOps、LLM統合、RAGアーキテクチャ、ローカルワークフローのスキャフォールドを支援します。

統計プロットの選択は、データ分析や図表作成を遅らせることがあります。このスキルは、明確なPython可視化のために、Seabornのプロット選択、パラメータ、スタイリング、例をガイドします。

シングルセルオミクス解析には、モデル選択、前処理、解釈を慎重に行う必要があります。このスキルは、統合、差次的発現、アノテーション、空間解析のためのscvi-toolsワークフローをガイドします。

生存モデリングには、打ち切りを含むイベント発生までの時間データを扱う手法が必要です。このスキルは、データ準備からモデル評価までのscikit-survivalワークフローを案内します。

機械学習プロジェクトには、一貫した前処理、評価、モデル選択のパターンが必要です。このスキルは、Claude、Codex、Claude Codeに対して、参考資料と例を含むscikit-learnに特化したガイダンスを提供します。

バイオインフォマティクス作業では、配列、ツリー、多様性、序列化のワークフローを正しく扱うことがしばしば必要です。このスキルは、Claude、Codex、Claude Code が scikit-bio API を使って進められるようにガイドします。

科学図は、サイズ、解像度、色、ラベルに関する学術誌のチェックを満たせないことがよくあります。このスキルは、Claude、Codex、Claude Codeを使用して、アクセシブルで出版可能な図を作成するためのガイドを提供します。

Single-cell RNA-seqのワークフローには、慎重なQC、正規化、クラスタリング、ドキュメント化が必要です。このスキルは、再現可能な解析のためのScanpyワークフロー、スクリプト、テンプレート、リファレンスを提供します。

ゲノム解析では、ファイル形式、インデックス、座標系の扱いに一貫性がないと失敗することがよくあります。このスキルは、Claude、Codex、Claude Codeに対して、アラインメント、バリアント、配列、カバレッジのワークフローに特化したpysamのガイダンスを提供します。

創薬チームには、一貫したデータセットと公平なベンチマークが必要です。このスキルは、データの読み込み、データセット分割、モデル評価、分子オラクルの使用に関するPyTDCワークフローをガイドします。