질량분석은 복잡한 데이터를 생성하며 단백질체학과 대사체학 분석을 위해 전문적인 도구가 필요합니다. PyOpenMS는 자동화된 LC-MS/MS 처리, 펩타이드 동정, 완전한 재현성을 갖춘 정량 분석을 가능하게 하는 Python 바인딩을 제공합니다.

엔지니어와 연구자들은 비용, 무게, 성능 등 상충되는 목표 사이의 최적 균형을 찾아야 합니다. 이 기술은 pymoo를 통해 NSGA-II, NSGA-III 및 기타 진화 알고리즘에 접근하여 복잡한 설계 문제에 대한 파레토 최적 솔루션을 발견합니다.

이 스킬은 PyMC를 사용한 베이지안 통계 모델링 도구를 제공합니다. 계층적 모델 구축, NUTS를 사용한 MCMC 샘플링, 변분 추론 수행, 원칙에 따른 불확실성 정량화를 위한 LOO/WAIC 모델 비교를 가능하게 합니다.

전산 재료과학에서는 결정 구조, 상 다이아그램, 전자 특성을 분석해야 합니다. 이 스킬은 구조 파일 변환, 대칭 분석, Materials Project 데이터베이스 연동을 포함한 pymatgen 라이브러리 기능에 대한 포괄적인 접근을 제공합니다.

통합된 Python 인터페이스로 복잡한 실험실 워크플로우를 자동화하세요. 액체 처리 로봇을 프로그래밍하고, 플레이트 리더 및 실험 장비를 통합하며, Hamilton STAR, Opentrons OT-2 및 시뮬레이션 환경에서 작동하는 재현 가능한 프로토콜을 생성할 수 있습니다.

의료 분야 머신러닝 모델 개발에는 복잡한 임상 데이터 형식, 의료 코딩 시스템, 전문화된 모델 아키텍처에 대한 이해가 필요합니다. 이 스킬은 PyHealth를 사용하여 사망률 예측, 약물 추천, 의료 코딩 작업을 위한 임상 예측 모델을 구축, 학습, 평가하는 방법에 대한 포괄적인 가이드를 제공합니다.

의료 영상 데이터 작업에는 의료 분야에서 사용되는 표준 형식인 DICOM 파일의 특수한 처리가 필요합니다. 이 스킬은 CT, MRI, X선 및 초음파 영상에서 데이터를 읽고, 변환하고, 익명화하고, 추출하는 방법에 대한 안내를 제공합니다.

통계적 엄격성을 갖춘 대량 RNA-seq 카운트 데이터에서 차등 발현 유전자를 식별합니다. PyDESeq2는 정규화, 분산 추정, Wald 검정, FDR 보정 및 출판 수준의 시각화를 포함한 완전한 DESeq2 워크플로우를 제공합니다.

강화학습 에이전트를 훈련하려면 복잡한 병렬 시뮬레이션 관리와 효율적인 PPO 알고리즘 구현이 필요합니다. PufferLib는 고성능 벡터화 환경과 최적화된 훈련을 제공하여 초당 수백만 스텝을 달성합니다.

관련 있는 생물의학 연구를 찾는 것은 시간이 많이 소요됩니다. 이 스킬은 고급 검색 기법, MeSH 용어 안내, E-utilities API 문서를 제공하여 PubMed의 수백만 건의 인용문에서 논문, 임상 시험, 체계적 문헌 고찰을 빠르게 찾을 수 있습니다.

화학 정보를 찾으려면 여러 데이터베이스를 탐색하고 복잡한 API 쿼리를 수행해야 합니다. 이 스킬은 PubChem 데이터베리에 대한 통합 액세스를 제공하며 이름, 구조 또는 식별자로 간단한 검색과 속성 검색 및 cheminformatics 워크플로우를 위한 유사성 검색을 지원합니다.

과학자들은 수동으로 실험 프로토콜을 검색하고 문서화하는 데 많은 시간을 소비합니다. 이 스킬은 protocols.io API v3와 완전히 통합되어 프로그래밍 방식으로 과학 프로토콜을 검색, 생성, 관리 및 게시할 수 있으며, 팀 협업 기능도 지원합니다.

제품 리더들은 팀 전체에 걸쳐 회사 목표를 정렬하는 데 어려움을 겪습니다. 이 도구는 정렬 점수와 함께 전략적 OKR을 회사 수준에서 제품 및 팀 수준으로 자동으로 cascading합니다.

제품 관리자는 기능 요청을 객관적으로 순위 매기고 고객 인사이트를 종합할 필요가 있습니다. 이 툴킷은 RICE 점수 산출 알고리즘과 NLP 기반 인터뷰 분석을 제공하여 데이터 기반 우선순위 결정과 명확한 요구사항 문서화를 지원합니다.

대규모로 PPTX 파일을 생성하고 업데이트할 수 있는 신뢰할 수 있는 방법이 필요합니다. 이 스킬은 HTML 및 OOXML 도구를 사용하여 프레젠테이션을 구축, 편집 및 검사하는 워크플로우를 제공합니다.

대규모 데이터셋에서 Pandas 워크플로우는 느리고 메모리 집약적입니다. 이 스킬은 지연 평가, 병렬 처리, 직관적인 표현식 API를 통해 10-100배 성능 향상을 제공하는 Apache Arrow 기반의 초고속 DataFrame 라이브러리인 Polars에 대한 전문적인 가이드를 제공합니다.

디렉토리 레이아웃과 매니페스트 구성에 대한 명확한 지침 없이는 플러그인 아키텍처가 혼란스러울 수 있습니다. 이 스킬은 플러그인 구조, 컴포넌트 구성, Claude Code와 원활하게 통합되는 유지 관리 가능한 플러그인을 만들기 위한 모범 사례에 대한 포괄적인 문서를 제공합니다.

YAML 프론트매터와 마크다운 콘텐츠를 사용하여 .claude/plugin-name.local.md 파일에 플러그인별 구성 및 상태를 저장합니다. 사용자가 직접 편집할 수 있는 프로젝트별 플러그인 커스터마이징을 지원합니다.

차트와 시각화를 만드는 것은 시간이 많이 소요됩니다. Plotly는 산점도, 히트맵, 3D 플롯, 지리적 맵을 포함한 40개 이상의 차트 유형을 제공하는 Python 라이브러리입니다. 출판 품질의 인터랙티브 시각화를 만들고 HTML 또는 정적 이미지로 내보내세요.

Claude, Codex, Claude Code를 위한 AI 스킬