Precisa de resultados matemáticos exatos em vez de aproximações numéricas. Esta skill fornece orientação abrangente para álgebra simbólica, cálculo, resolução de equações, operações matriciais e cálculos físicos usando a biblioteca Python SymPy.

Realize análises estatísticas rigorosas usando OLS, GLM, ARIMA e modelos de escolha discreta. Obtenha resultados prontos para publicação com diagnósticos completos, tabelas de coeficientes e análise de resíduos.

Pare de adivinhar qual teste estatístico usar. Obtenha seleção guiada de testes, verificação de suposições e resultados formatados em APA para seus dados de pesquisa. Perfeito para estudantes e pesquisadores que precisam de análise estatística rigorosa.

O SimPy permite modelar sistemas complexos com processos, filas e recursos compartilhados. Simule linhas de manufatura, operações de rede, tráfego de logística e otimize o desempenho antes da implementação.

Os modelos de aprendizado de máquina geralmente funcionam como caixas-pretas. O SHAP fornece uma estrutura unificada para explicar qualquer previsão de modelo, calculando contribuições de recursos usando valores de Shapley da teoria dos jogos. Use esta habilidade para visualizar a importância de recursos, depurar comportamento de modelo e implementar IA explicável.

A análise de sobrevivência trata dados onde eventos podem não ter ocorrido para todos os sujeitos. Esta skill fornece ferramentas Python para modelagem de tempo-até-evento com dados censurados usando modelos Cox, Random Survival Forests, SVMs, e métricas especializadas como o índice de concordância.

Processar sequências biológicas, calcular métricas de diversidade e realizar testes estatísticos em dados microbiológicos e ecológicos. Esta habilidade fornece orientação abrangente para fluxos de trabalho de bioinformática, incluindo alinhamento de sequências, análise filogenética e ordenação.

O sequenciamento de RNA de célula única gera conjuntos de dados complexos que requerem análise especializada. Esta habilidade fornece um fluxo de trabalho completo para controle de qualidade, redução de dimensionalidade, agrupamento e visualização de dados de expressão gênica de célula única.

Analise vias biológicas e listas de genes usando o banco de dados Reactome. Realize análise de enriquecimento de vias, mapeie genes para vias e explore interações moleculares para pesquisa em biologia de sistemas.

Processe dados de proteômica e metabolômica com ferramentas abrangentes de espectrometria de massa. Esta habilidade oferece acesso aos algoritmos OpenMS para manipulação de formatos de arquivo, processamento espectral, detecção de recursos e fluxos de trabalho de identificação de peptídeos.

A otimização multiobjetivo envolve encontrar soluções de compromisso quando múltiplos objetivos conflitantes precisam ser satisfeitos. Esta skill fornece acesso abrangente aos algoritmos do pymoo, incluindo NSGA-II, NSGA-III e MOEA/D para encontrar soluções Pareto-ótimas e visualizar frentes de compromisso.

Construa, ajuste e valide modelos bayesianos usando PyMC. Crie modelos hierárquicos, execute amostragem MCMC e compare modelos com métricas LOO e WAIC.

Pesquisadores de saúde e cientistas de dados lutam com formatos complexos de dados clínicos e sistemas de codificação. O PyHealth oferece um toolkit unificado para carregar conjuntos de dados médicos, processar dados de EHR, treinar modelos preditivos e trabalhar com códigos médicos padrão.

Processar imagens médicas DICOM, incluindo TC, RM, raio-X e ultrassom. Ler, escrever, anonimizar, converter e extrair metadados de arquivos de imagens de saúde.

O PyDESeq2 permite análise de expressão gênica diferencial a partir de dados de contagem de RNA-seq em massa. Realize testes estatísticos, correção de comparações múltiplas e gere gráficos de volcano e MA prontos para publicação em sua pesquisa em genômica.

Treinar agentes de RL requer ambientes paralelos de alto desempenho e algoritmos eficientes. PufferLib fornece treinamento otimizado de PPO+LSTM com speedups de 2-10x através de vetorização, buffers de memória compartilhada e suporte multi-agente.

Processe grandes conjuntos de dados na memória com o Polars, a biblioteca de DataFrame de alto desempenho. Recursos de avaliação preguiçosa, execução paralela e backend Apache Arrow para operações 10x mais rápidas que o pandas.

A visualização de dados frequentemente requer código complexo e carece de interatividade para exploração. Esta habilidade fornece orientação abrangente para criar gráficos interativos e de qualidade para publicação com Plotly, apresentando tooltips de hover, zoom, pan e mais de 40 tipos de gráficos para painéis e análise de dados.

Encontre alvos terapêuticos e candidatos a medicamentos usando dados da Open Targets Platform. Acesse evidências genéticas, avaliações de tractabilidade, dados de segurança e medicamentos conhecidos para associações alvo-doença.

Esta skill fornece acesso via API Python ao OMERO, uma plataforma de gerenciamento de imagens científicas para microscopia e screening de alto conteúdo. Conecte-se a servidores OMERO, recupere imagens, analise dados de pixels e gerencie anotações programaticamente.