Necesita resultados matemáticos exactos en lugar de aproximaciones numéricas. Esta habilidad proporciona orientación completa para álgebra simbólica, cálculo, resolución de ecuaciones, operaciones matriciales y cálculos físicos usando la biblioteca Python SymPy.

Realizar análisis estadístico riguroso utilizando OLS, GLM, ARIMA y modelos de elección discreta. Obtener resultados listos para publicación con diagnósticos completos, tablas de coeficientes y análisis de residuos.

Deja de adivinar qué prueba estadística usar. Obtén selección guiada de pruebas, verificación de suposiciones y resultados en formato APA para tus datos de investigación. Ideal para estudiantes e investigadores que necesitan un análisis estadístico riguroso.

SimPy te permite modelar sistemas complejos con procesos, colas y recursos compartidos. Simula líneas de fabricación, operaciones de red, tráfico de redes y logística para optimizar el rendimiento antes de la implementación.

Los modelos de aprendizaje automático suelen actuar como cajas negras. SHAP proporciona un marco unificado para explicar cualquier predicción de modelo calculando las contribuciones de las características utilizando los valores de Shapley de la teoría de juegos. Usa esta habilidad para visualizar la importancia de las características, depurar el comportamiento del modelo e implementar inteligencia artificial explicable.

El análisis de supervivencia maneja datos donde los eventos pueden no haber ocurrido para todos los sujetos. Esta habilidad proporciona herramientas de Python para modelado de tiempo hasta el evento con datos censurados utilizando modelos Cox, Bosques de Supervivencia Aleatorios, SVMs y métricas de evaluación especializadas como el índice de concordancia.

Procesar secuencias biológicas, calcular métricas de diversidad y realizar pruebas estadísticas en datos microbiológicos y ecológicos. Esta skill proporciona orientación completa para flujos de trabajo de bioinformática incluyendo alineamiento de secuencias, análisis filogenético y ordenación.

La secuenciación de RNA de célula única genera conjuntos de datos complejos que requieren análisis especializado. Esta skill proporciona un flujo de trabajo completo para control de calidad, reducción de dimensionalidad, clustering y visualización de datos de expresión génica de célula única.

Analiza rutas biológicas y listas de genes usando la base de datos Reactome. Realiza análisis de enriquecimiento de rutas, mapea genes a rutas y explora interacciones moleculares para investigación en biología de sistemas.

Procesa datos de proteómica y metabolómica con herramientas completas de espectrometría de masas. Esta skill proporciona acceso a algoritmos de OpenMS para manejo de formatos de archivos, procesamiento espectral, detección de características y flujos de trabajo de identificación de péptidos.

La optimización multiobjetivo implica encontrar soluciones de compromiso cuando se deben satisfacer múltiples objetivos conflictivos. Esta skill proporciona acceso completo a los algoritmos de pymoo, incluyendo NSGA-II, NSGA-III y MOEA/D, para encontrar soluciones óptimas de Pareto y visualizar frentes de compromiso.

Construir, ajustar y validar modelos bayesianos usando PyMC. Crear modelos jerárquicos, ejecutar muestreo MCMC y comparar modelos con métricas LOO y WAIC.

Los investigadores de la salud y los científicos de datos luchan con formatos complejos de datos clínicos y sistemas de codificación. PyHealth proporciona un toolkit unificado para cargar conjuntos de datos médicos, procesar datos de EHR, entrenar modelos predictivos y trabajar con códigos médicos estándar.

Procesar imágenes médicas DICOM incluyendo TC, RM, rayos X y ultrasonido. Leer, escribir, anonimizar, convertir y extraer metadatos de archivos de imágenes de atención médica.

PyDESeq2 permite el análisis de expresión génica diferencial a partir de datos de conteo de RNA-seq en bulk. Realiza pruebas estadísticas, corrección de comparaciones múltiples y genera gráficos volcano y MA listos para publicación en tu investigación genómica.

El entrenamiento de agentes RL requiere entornos paralelos de alto rendimiento y algoritmos eficientes. PufferLib proporciona entrenamiento optimizado de PPO+LSTM con mejoras de velocidad de 2-10x mediante vectorización, buffers de memoria compartida y soporte multiagente.

Procesa grandes conjuntos de datos en memoria con Polars, la biblioteca de DataFrames de alto rendimiento. Incluye evaluación diferida, ejecución paralela y backend Apache Arrow para operaciones 10 veces más rápidas que pandas.

La visualización de datos a menudo requiere código complejo y carece de interactividad para la exploración. Esta habilidad proporciona orientación integral para crear gráficos interactivos de calidad de publicación con Plotly, con tooltips emergentes, zoom, pan y más de 40 tipos de gráficos para paneles y análisis de datos.

Encuentra objetivos terapéuticos y candidatos a fármacos utilizando datos de Open Targets Platform. Accede a evidencia genética, evaluaciones de tractabilidad, datos de seguridad y fármacos conocidos para asociaciones objetivo-enfermedad.

Esta skill proporciona acceso mediante API de Python a OMERO, una plataforma de gestión de imágenes científicas para microscopía y detección de alto contenido. Conéctese a servidores OMERO, recupere imágenes, analice datos de píxeles y gestione anotaciones programáticamente.