Data Analysis

social-graph-ranker は、X と LinkedIn を横断してウォームな紹介先の発見、ブリッジスコアリング、ネットワークのギャップ分析を行うための、重み付きグラフランキング層です。Lead Research 向けの再利用可能なランキングエンジンが必要なときに使ってください。フルなアウトバウンド運用やネットワーク維持のワークフローではありません。

regex-vs-llm-structured-text は、構造化テキスト抽出で regex と LLM のどちらを使うかを判断するためのスキルです。まずは決定論的なパースから始め、信頼度の低い例外ケースには LLM による検証を追加。文書、フォーム、請求書、データ分析では、より安価で信頼性の高いパイプラインを構築できます。

clickhouse-io は、スキーマ設計、分析SQL、取り込みパターン、パフォーマンスチューニングに特化した ClickHouse 向けスキルです。MergeTree の選定、パーティショニング、マテリアライズドビュー、ワークロード別のクエリ最適化を検討する際に役立ちます。

data-analyst は、データ探索のために SQL、pandas、基礎的な統計分析へエージェントを導く、最小構成の GitHub スキルです。単一の SKILL.md プロンプト層で、コードに基づくクエリ、変換、解釈までまとめて引き出したいユーザーに向いています。

retro は、エンジニアリングチーム向けのプロジェクト振り返り skill です。コミット履歴、作業パターン、過去の学びを分析し、継続性のある構造化された週次レトロを生成します。スプリントレビュー、何をリリースしたかの確認、Project Management の進捗確認に使えます。

startup-metrics-frameworkは、創業者、アナリスト、事業責任者向けに、SaaS・マーケットプレイス・コンシューマー・B2BスタートアップのCAC、LTV、burn multiple、runway、成長指標などの主要KPIを算出するためのスキルです。

market-sizing-analysisスキルを使うと、トップダウン・ボトムアップ・価値理論の各手法で、TAM・SAM・SOMの推計を構造的に作成できます。導入前に確認したい適用場面、主要ファイル、必要な入力、進め方、実務での使い方までを整理しており、スタートアップの市場規模分析やData Analysisでの活用判断に役立ちます。

startup-financial-modeling は、コホート売上、コスト構造、バーン、ランウェイ、資金調達シナリオを含む 3〜5 年のスタートアップ財務モデル作成を支援するスキルです。導入前に適性を見極めたい創業者やファイナンス担当者向けに、SKILL.md をもとに必要な入力項目、使いどころ、実務での活用イメージをわかりやすく整理しています。

risk-metrics-calculationは、VaR、CVaR、Sharpe、Sortino、beta、volatility、drawdownなどのポートフォリオリスク指標を算出するためのスキルです。リターン系列を、構造化されたリスクレポート、Pythonでの実装パターン、金融業務で使いやすい実務的な解釈へ落とし込むのに役立ちます。

backtesting-frameworksスキルは、Financeにおける売買戦略のバックテスト設計・レビューを支援し、先読みバイアス、サバイバーシップ・バイアス、過剰最適化、取引コスト、ウォークフォワード検証に対して、より強い統制をかけられるようにします。

spark-optimization は、Apache Spark ジョブの遅さを partitioning、shuffle、skew、caching、memory tuning の観点から診断するための実践ガイドです。wshobson/agents からスキルを導入し、SKILL.md を確認しながら、Spark UI の症状、クラスタ設定、クエリ傾向に基づいて根拠のある改善策を適用したいときに役立ちます。

torchdrug は、分子およびタンパク質の機械学習に特化した PyTorch ネイティブのツールキットです。torchdrug skill を使えば、グラフニューラルネットワーク、タンパク質モデリング、知識グラフ推論、分子生成、逆合成に向けて、タスク、データセット、モジュール型モデルを見極められます。用意されたデモを見るだけでなく、カスタムモデル開発と再現性の高い設定を重視する場合に最適です。

PyTorch Geometric のグラフニューラルネットワーク向け torch-geometric スキルガイドです。torch-geometric のインストール支援、torch-geometric の使い方、グラフ分類、ノード分類、リンク予測、異種グラフ、カスタム MessagePassing レイヤー、Machine Learning ワークフローでの GNN のスケーリングに役立ちます。

sympyスキルを使って、Pythonでの厳密なシンボリック計算を行えます。代数、微積分、行列、物理式、数論、幾何、コード生成まで幅広く対応。式を厳密に保ち、適切なSymPyモジュールを選び、浮動小数点中心の誤りを避けるのに役立ちます。シンボリックなワークフローやData Analysisでのsympy活用を実践的に学びたい人に最適です。

rdkit skill は、SMILES、SDF、MOL、PDB、InChI の解析、記述子の計算、フィンガープリント生成、部分構造検索、反応処理、2D/3D 座標の生成など、精密な化学情報ワークフローを支援します。高度な制御、カスタムサニタイズ、Data Analysis ワークフローでの rdkit 活用を確認したい場合に使えるガイドです。

qiskit は、回路の作成、バックエンドの選択、ハードウェア向けのトランスパイル、シミュレーターや IBM Quantum デバイスでのジョブ実行を行うための IBM 量子コンピューティングスキルです。化学、最適化、機械学習で qiskit を使いたいときに特に相性がよく、理論中心の qiskit ガイドよりも、実際に導入して動かすための手順を求める場合に向いています。

Open Notebook は、ドキュメント分析、メモ、ソース付きチャット、検索、ポッドキャスト風要約に対応した、セルフホスト型のオープンソース研究ワークスペースです。open-notebook スキルを使うと、ノートブックの整理、PDF・Webページ・音声・動画・Officeファイルの取り込み、そして Data Analysis 向けのプライベートな API ファーストのワークフローを支援できます。

hypogenic は、LLM の支援で表形式データやテキスト由来データセットの仮説を生成・検証するためのスキルです。データ分析における hypogenic を、経験的な問いを分類解釈、コンテンツ分析、欺瞞検出向けの構造化された検証可能なワークフローへと落とし込みます。単なるブレストではなく、根拠に基づく仮説が必要な場面で使ってください。

hugging-scienceスキルは、Hugging Scienceカタログと `hugging-science` の Hugging Face org から、科学分野のAIリソースを見つけて活用するのに役立ちます。生物学、化学、気候、ゲノム、材料、天文学など、実際に実行・引用できるデータセット、モデル、Space、ブログ記事が必要な場面に向いています。一般的な検索の代わりに、hugging-science の使い方や hugging-science ガイドのワークフローに使ってください。

histolab は、デジタル病理における全スライド画像（WSI）前処理のための Python スキルです。組織検出、タイル抽出、H&E スライドの染色正規化に対応しており、データセット準備、タイルベースの簡易解析、軽量なデータ分析ワークフローに役立ちます。マスク、tilers、スライド管理を実務的に扱いながら、histolab を導入・活用できます。

diffdockは、PDB構造、またはタンパク質配列とSMILES、SDF、MOL2形式のリガンドから、タンパク質-リガンド結合ポーズを予測するドッキングスキルです。構造ベース創薬、バーチャルスクリーニング、信頼度付きポーズ解析にdiffdockスキルを活用できます。結合親和性の予測には対応していません。

dhdna-profiler は、テキストや音声から認知パターンや思考の特徴を抽出するスキルです。人がどのように考え、意思決定し、価値観を持ち、コミュニケーションするかをプロファイルしたり、思考スタイルを比較したり、「自分の思考スタイルは？」に答えたりする用途に使えます。構造化された分析、繰り返しの比較、文章の背後にある思考の深い理解に特に向いています。

user-personas 技能は、調査データから JTBD、課題、得られる価値、予想外のインサイトを備えた洗練された 3 つのペルソナを作成します。UX リサーチ、セグメンテーション、オンボーディング戦略、プロダクト判断のために、アンケート、インタビュー、その他の素材があるときに user-personas を使ってください。

market-sizing は、トップダウン法とボトムアップ法を使って TAM、SAM、SOM の推定を支援します。Market Research のワークフロー、市場参入の判断、投資家向け資料、ローンチ計画など、根拠あるロジック、検証可能な前提、実用的な初期市場見積もりが必要な場面で活用できます。