Ml

pytorch-patterns は、デバイス非依存のパターン、再現性の高い実験、明示的な tensor 扱いを通じて、PyTorch コードの記述・レビュー・デバッグを支援します。よりきれいな学習ループ、モデルのリファクタリング、実践的な PyTorch ガイダンスが必要な場面で、この pytorch-patterns スキルを使ってください。

vector-index-tuning は、レイテンシ・再現率・メモリ使用量の観点からベクトル検索インデックスを調整するためのスキルです。RAG ワークフロー向けに、インデックスタイプの選定、HNSW 設定の最適化、量子化オプションの比較に活用できます。

huggingface-vision-trainer は、物体検出、画像分類、SAM/SAM2 のセグメンテーションといった Hugging Face のビジョントレーニングジョブを導入・活用するためのスキルです。データセット準備、クラウド GPU のセットアップ、評価、Trackio ロギング、結果の Hub へのプッシュまでをカバーします。バックエンド自動化や再現性の高い学習ワークフローに最適です。

huggingface-trackio は、Trackio を使って ML の学習実行を追跡するのに役立ちます。このスキルでは、Python からメトリクスを記録したり、学習アラートを追加したり、trackio CLI で実行を取得・分析したりできます。リアルタイムのダッシュボード、Hugging Face Space との同期、そして自動化向けの JSON 出力に対応しており、huggingface-trackio は実験トラッキングやデータ分析に有用です。

huggingface-llm-trainer は、Hugging Face Jobs 上で TRL または Unsloth を使い、言語モデルや視覚モデルを学習・ファインチューニングするのに役立ちます。この huggingface-llm-trainer スキルは、SFT、DPO、GRPO、reward modeling、データセット検証、GPU 選定、Hub への保存、Trackio 監視、さらにバックエンド開発ワークフロー向けの GGUF 書き出しまでカバーします。

huggingface-best skill は、Hugging Face のベンチマーク順位表を確認し、デバイス制約やモデルサイズで絞り込むことで、タスクに最適なモデルを見つけるのに役立ちます。コーディング、推論、チャット、OCR、RAG、音声、画像、マルチモーダルなどで、汎用的なモデル一覧ではなく、実用的な候補を絞り込みたいときのモデル推薦に向いています。

hf-cliスキルは、Hugging Face Hub CLI（`hf`）を使った認証、ダウンロード、アップロード、repoやbucketの管理、datasetやmodelの確認、その他のHubワークフローを支援します。Hugging Face Hubに対するhf-cliの使い方を繰り返し再現できる形で運用したいBackend Developmentチームや、実用的なhf-cliガイドを求める場合に向いています。

azure-ai-ml-py は、Python 向けの Azure Machine Learning SDK v2 です。このスキルを使うと、azure-ai-ml-py のインストール、MLClient での接続、Azure ML のワークスペース、ジョブ、モデル、データセット、コンピュート、パイプラインの管理まで行えます。バックエンドの自動化や再現性の高い Azure ML ワークフローに特に向いています。

azure-mgmt-weightsandbiases-dotnet は、Azure Marketplace の Weights & Biases 向け .NET Azure Resource Manager SDK です。この azure-mgmt-weightsandbiases-dotnet スキルは、バックエンド開発でプレビュー パッケージの導入、Azure Identity の設定、C# からの W&B インスタンスのプロビジョニング、SSO、リソース ライフサイクル管理を行う際に役立ちます。

scvi-tools は、確率的なシングルセル解析のための Python フレームワークです。この scvi-tools スキルは、バッチ補正、潜在埋め込み、不確実性つき差次的発現、転移学習、マルチモーダル統合に活用できます。single-cell RNA-seq、ATAC、CITE-seq、multiome、空間解析のワークフローに特に適しており、高度な Machine Learning のユースケースでは特に強みを発揮します。

Python向けのクラウドランタイムとしてModalを使うバックエンド開発チーム向けのmodalスキルです。GPUワークロード、自動スケーリング関数、Web API、スケジュール実行ジョブ、バッチパイプラインでModalを使うべき場面、適切なインストール文脈の選び方、リポジトリの読み方、そしてボイラープレートを減らしながらデプロイ対応コードを書く方法を学べます。

azure-ai-textanalytics-py は、Python で Azure AI Text Analytics を扱うための skill です。感情分析、エンティティ認識、キーフレーズ抽出、言語判定、PII 検出、医療分野の NLP に対応します。Azure クライアントのセットアップ、認証、実践的なテキスト分析を、アプリ、ノートブック、データ分析ワークフローですばやく始めたいときに向いています。

ml-pipeline-workflow は、データ準備、学習、検証、デプロイ、監視までを含むエンドツーエンドの MLOps パイプライン設計を実践的に案内するガイドです。再現性のあるワークフロー自動化に向けたオーケストレーションの設計パターンも整理されています。