Engineering Features for Machine Learning
について
このスキルは、特徴量の作成、選択、変換を含む、機械学習のためのコアな特徴量エンジニアリングタスクをClaudeが自動化することを可能にします。これは、開発者が特徴量の操作を通じてモデルのパフォーマンスを向上させる必要がある場合に発動します。モデルの精度と効率を高めるための、特徴量エンジニアリング、選択、または変換に関するリクエストにご利用ください。
クイックインストール
Claude Code
推奨npx skills add jeremylongshore/claude-code-plugins-plus -a claude-code/plugin add https://github.com/jeremylongshore/claude-code-plugins-plusgit clone https://github.com/jeremylongshore/claude-code-plugins-plus.git ~/.claude/skills/Engineering Features for Machine LearningこのコマンドをClaude Codeにコピー&ペーストしてスキルをインストールします
GitHub リポジトリ
よくある質問
Engineering Features for Machine Learning Skillとは何ですか?
Engineering Features for Machine Learning はjeremylongshore が作成した Claude Skillです。Skillは、Claudeが必要に応じて読み込む指示とリソースをまとめ、追加の指示なしで Engineering Features for Machine Learning に関連するタスクを実行できるようにします。
Engineering Features for Machine Learning をインストールするには?
このページのインストールコマンドを使用してください。Engineering Features for Machine Learning をプラグインとして Claude Code に追加するか、リポジトリを skills ディレクトリにクローンし、Claudeを再起動してSkillを読み込みます。
Engineering Features for Machine Learning はどのカテゴリに属しますか?
Engineering Features for Machine Learning は メタ カテゴリに属します。
Engineering Features for Machine Learning は無料で利用できますか?
はい。Engineering Features for Machine Learning は AIMCP に掲載されており、無料でインストールできます。
関連スキル
このスキルは、Content Collections(Markdown/MDXファイルを型安全なデータコレクションに変換するTypeScriptファーストのツール)の本番環境でテストされた設定を提供します。Zodバリデーションによる型安全性を実現し、ブログ、ドキュメントサイト、コンテンツ重視のVite + Reactアプリケーション構築時にご利用ください。Viteプラグインの設定、MDXコンパイルから、デプロイ最適化、スキーマバリデーションまで、すべてを網羅しています。
このスキルは、開発者がPolymarket予測市場プラットフォームを活用したアプリケーション構築を可能にします。API統合による取引や市場データの取得に加え、WebSocketを介したリアルタイムデータストリーミングにより、ライブ取引や市場活動を監視できます。取引戦略の実装や、ライブ市場更新を処理するツールの作成にご利用ください。
このスキルは、開発者がコマンド、ファイル、LSP操作など25種類以上のイベントタイプにフックするOpenCodeプラグインを作成することを支援します。JavaScript/TypeScriptモジュール向けに、プラグイン構造、イベントAPI仕様、および実装パターンを提供します。カスタムイベント駆動ロジックでOpenCode AIアシスタントのライフサイクルをインターセプト、監視、または拡張する必要がある場合にご利用ください。
SGLangは、高性能なLLMサービングフレームワークであり、RadixAttentionプレフィックスキャッシュを活用したJSON、正規表現、エージェントワークフロー向けの高速で構造化された生成を特長とします。特にプレフィックスが繰り返されるタスクにおいて、大幅に高速な推論を実現し、複雑な構造化出力やマルチターン対話に最適です。制約付きデコードが必要な場合や、広範なプレフィックス共有を伴うアプリケーションを構築する場合は、vLLMなどの代替案ではなくSGLangを選択してください。
