Construye modelos de aprendizaje automático rápidamente con guía de scikit-learn. Cubre clasificación, regresión, clustering, preprocesamiento, pipelines y evaluación de modelos con ejemplos listos para usar.

El análisis de RNA-seq de célula única requiere flujos de trabajo complejos para control de calidad, agrupamiento y visualización. Esta skill proporciona flujos de trabajo completos de scanpy incluyendo generación de UMAP, agrupamiento Leiden, identificación de genes marcadores y anotación de tipos celulares.

Esta habilidad proporciona herramientas para modelado estadístico bayesiano usando PyMC. Permite construir modelos jerárquicos, ejecutar muestreo MCMC con NUTS, realizar inferencia variacional y comparar modelos con métricas LOO/WAIC para una cuantificación de la incertidumbre con fundamento.

Los flujos de trabajo con Pandas son lentos y consumen mucha memoria en conjuntos de datos grandes. Esta habilidad proporciona orientación experta sobre Polars, una biblioteca DataFrame ultrarrápida construida sobre Apache Arrow que ofrece mejoras de rendimiento de 10 a 100 veces más rápido con evaluación diferida, procesamiento paralelo y una API de expresiones intuitiva.

Crear gráficos y visualizaciones consume mucho tiempo. Plotly proporciona una biblioteca de Python con más de 40 tipos de gráficos, incluyendo gráficos de dispersión, mapas de calor, gráficos 3D y mapas geográficos. Genera visualizaciones interactivas de calidad de publicación y exporta a HTML o imágenes estáticas.

Procesar documentos PDF manualmente lleva demasiado tiempo. Este toolkit proporciona scripts listos para producción para extraer texto, manejar formularios, extraer tablas y realizar OCR en documentos escaneados con soporte de procesamiento por lotes.

Los documentos PDF contienen datos valiosos pero son difíciles de procesar programáticamente. Esta habilidad proporciona patrones de código para extraer texto, tablas y datos de formularios de PDFs utilizando bibliotecas de Python como pdfplumber y pypdf.

Crear visualizaciones de calidad de publicación en Python requiere comprender la API de matplotlib, las opciones de estilo y las mejores prácticas. Esta habilidad proporciona plantillas, ejemplos de código y orientación para la solución de problemas para generar plots profesionales, gráficos y visualizaciones 3D para investigación y análisis de datos.

La espectrometría de masas genera datos espectrales complejos que requieren procesamiento especializado. Matchms proporciona un toolkit completo de Python para cargar, filtrar, comparar e identificar compuestos de datos espectrales con métricas de similitud establecidas.

Las tareas de computación científica requieren recursos de hardware apropiados para ejecutarse eficientemente. Esta habilidad detecta automáticamente los núcleos de CPU, disponibilidad de GPU, memoria y espacio en disco para recomendar estrategias computacionales óptimas y elección de bibliotecas.

El análisis de datos geográficos requiere herramientas especializadas para manejar geometrías vectoriales, sistemas de coordenadas y relaciones espaciales. GeoPandas extiende pandas para habilitar operaciones espaciales en tipos geométricos para una manipulación eficiente de datos geoespaciales.

Acceda a datos regulatorios completos de la FDA incluyendo medicamentos, dispositivos médicos, retiros de alimentos e información de sustancias. Busque eventos adversos, etiquetado, aprobaciones y retiros usando la API oficial openFDA.

Los científicos necesitan comprender la estructura y calidad de diversos archivos de datos científicos antes del análisis. Esta habilidad detecta automáticamente tipos de archivo, extrae metadatos, realiza análisis estadístico y genera informes completos en markdown para más de 200 formatos científicos.

El análisis manual de Excel requiere horas de trabajo repetitivo. Esta habilidad proporciona patrones listos para usar de pandas para leer, analizar y visualizar datos de hojas de cálculo en segundos.

La gestión de datos genómicos y la creación de pipelines de análisis en DNAnexus requiere aprender APIs y patrones complejos. Esta habilidad proporciona orientación integral para el desarrollo de aplicaciones, gestión de datos y ejecución de flujos de trabajo en la plataforma cloud de DNAnexus.

Predice poses de unión 3D entre proteínas y ligandos de moléculas pequeñas utilizando modelos de difusión de última generación. Genera predicciones con puntuaciones de confianza para descubrimiento de fármacos basado en estructura y campañas de cribado virtual.

Procesar datos de secuenciación de nueva generación para experimentos ChIP-seq, RNA-seq y ATAC-seq. Convertir archivos BAM a pistas de cobertura normalizadas y generar visualizaciones de calidad de publicación incluyendo mapas de calor, gráficos de correlación y gráficos de perfil.

Trabajar con datos moleculares en Python requiere código RDKit complejo. Datamol proporciona funciones simples para análisis de SMILES, cálculo de propiedades y análisis de compuestos.

Acceder a datos demográficos, económicos y de salud de múltiples fuentes globales requiere navegar por APIs complejas. Esta habilidad proporciona guía completa para usar el cliente Python de Data Commons para consultar estadísticas de población, tasas de desempleo, cifras del PIB y otros conjuntos de datos públicos a través de un grafo de conocimiento unificado.

Procesar grandes conjuntos de datos que exceden la RAM disponible causa errores de memoria y rendimiento lento. Dask proporciona abstracciones de computación paralela que escalan operaciones de pandas y NumPy para manejar datos a escala de terabytes en laptops o clústeres.