高次元データは可視化と分析が困難です。UMAPは、明確な2D/3D可視化と効果的なクラスタリング前処理のために、局所構造とグローバル構造の両方を保持する高速な非線形次元削減を提供します。

Transformerモデルを扱うには、パイプライン、トークン化、ファインチューニングワークフローの理解が必要です。このスキルは、NLP、コンピュータビジョン、オーディオタスクにおけるHugging Face Transformersライブラリの使用について、ベストプラクティスとコード例を含む包括的なガイダンスを提供します。

グラフニューラルネットワークは、ソーシャルネットワークや分子のような不規則なデータ構造から学習することを可能にします。PyTorch Geometricは、最小限のボイラープレートコードでGNNを構築、トレーニング、評価するための包括的なツールキットを提供します。

5900万のタンパク質と200億の相互作用をカバーするSTRINGデータベースからタンパク質-タンパク質相互作用ネットワークにアクセスします。機能的エンリッチメント分析、相互作用パートナーの発見、システミックス生物学研究のためのネットワーク可視化を生成します。

ユーザーは厳密な統計手法でデータを分析する必要があります。このスキルは、回帰モデル、仮説検定、時系列分析、診断手順に関する包括的なガイダンスを提供します。

機械学習モデルは多くの場合、ブラックボックスとして機能します。SHAPは、予測を左右する特徴量と各特徴量の貢献度をを理解するための統一されたフレームワークを提供します。このスキルは、特徴量の重要度の計算、視覚化の生成、モデルのデバッグ、およびプロジェクトでの説明可能AIの実装を支援します。

MLシステムを本番環境に構築・デプロイするには、MLOps、モデル監視、スケーラブルなインフラストラクチャに関する深い専門知識が必要です。このスキルは、MLモデルの本番化、RAGシステムの実装、LLMの本番ワークフローへの統合に関する世界クラスのガイダンスを提供します。

実験を設計し、予測モデルを構築し、エキスパートレベルのデータサイエンス技術でデータドリブンな意思決定を推進します。このスキルは、統計分析、特徴量エンジニアリング、モデル評価のための本番環境グレードのフレームワークを提供します。

シニアレベルの専門知識で本番環境レベルのデータパイプラインを設計・実装します。Python、SQL、Spark、最新のデータスタックツールを使用して、生データを信頼性が高くスケーラブルな分析インフラストラクチャに変換します。

コンピュータビジョンのプロジェクトでは、アーキテクチャ、最適化、デプロイに関する深い専門知識が必要です。このスキルは、オブジェクト検出、セグメンテーション、リアルタイムビジョンシステムの構築に関する上級レベルのガイダンスを、本番環境でのベストプラクティスとともに提供します。

Seabornは最小限のコードで複雑な統計的可視化を提供します。このスキルは、探索的データ分析とプレゼンテーションのための出版品質のチャートを作成するのに役立ちます。

イベント発生までの時間分析には、右側打ち切りデータに特化した手法が必要です。このスキルは、Coxモデル、Random Survival Forest、Survival SVMの適合に関する完全なガイダンスを提供し、一致度指数とBrierスコアで予測を適切に評価する方法を説明します。

scikit-learnのガイダンスで機械学習モデルを迅速に構築。分類、回帰、クラスタリング、前処理、パイプライン、すぐに使える例によるモデル評価をカバーします。

シングルセルRNA-seq解析には、品質管理、クラスタリング、可視化のための複雑なワークフローが必要です。このスキルは、UMAP生成、Leidenクラスタリング、マーカー遺伝子の同定、細胞型アノテーションを含む完全なscanpyワークフローを提供します。

このスキルは、PyMCを使用したベイズ統計モデリングのためのツールを提供します。階層モデルの構築、NUTSによるMCMCサンプリングの実行、変分推論の実施、LOO/WAICメトリクスによるモデル比較を可能にし、原理に基づいた不確実性の定量化を実現します。

Pandasのワークフローは大規模なデータセットでは遅く、メモリを消費します。このスキルは、Apache Arrow 기반으로構築された超高速なDataFrameライブラリ、Polarsの専門家によるガイダンスを提供します。遅延評価、並列処理、直感的な式APIにより、10〜100倍のパフォーマンス向上を実現します。

チャートや可視化の作成は時間がかかります。Plotlyは、散布図、ヒートマップ、3Dプロット、地図など40種類以上のチャートタイプを提供するPythonライブラリです。出版品質のインタラクティブな可視化を作成し、HTMLや静的画像としてエクスポートできます。

PDFドキュメントの手動処理には時間がかかります。このツールキットは、テキスト抽出、フォーム処理、テーブル抽出、スキャン文書のOCR化、バッチ処理対応の本番環境向けスクリプトを提供します。

PDFドキュメントには貴重なデータが含まれていますが、プログラムで処理することは困難です。このスキルは、pdfplumberやpypdfなどのPythonライブラリを使用して、PDFからテキスト、表、フォームデータを抽出するためのコードパターンを提供します。

Pythonで出版品質の可視化を作成するには、matplotlib API、スタイリングオプション、ベストプラクティスを理解する必要があります。このスキルは、研究やデータ分析のための専門的なプロット、チャート、3D可視化を生成するためのテンプレート、コード例、トラブルシューティングガイダンスを提供します。