Data Analysis

social-graph-ranker es la capa de ponderación y ranking de grafos para descubrir introducciones en caliente, puntuar puentes y analizar huecos de red en X y LinkedIn. Usa la skill social-graph-ranker cuando necesites un motor de ranking reutilizable para Lead Research, no un flujo completo de outreach ni de mantenimiento de red.

Skill regex-vs-llm-structured-text para elegir entre regex o un LLM en la extracción de texto estructurado. Empieza con un parsing determinista, añade validación con LLM para casos límite de baja confianza y usa un pipeline más económico y fiable para documentos, formularios, facturas y análisis de datos.

clickhouse-io es una skill centrada en ClickHouse para diseño de esquemas, SQL analítico, patrones de ingesta y ajuste de rendimiento. Úsala para orientar decisiones sobre MergeTree, particionado, vistas materializadas y optimización de consultas según la carga de trabajo.

data-analyst es una skill mínima de GitHub que orienta a los agentes hacia SQL, pandas y análisis estadístico básico para explorar datos. Encaja mejor para quienes buscan consultas, transformaciones e interpretaciones respaldadas por código desde una sola capa de prompt en SKILL.md.

retro es una skill de retrospectivas de proyecto para equipos de ingeniería. Analiza el historial de commits, los patrones de trabajo y aprendizajes previos para generar una retro semanal estructurada con continuidad. Usa retro para sprint reviews, preguntas de qué entregamos y reuniones de seguimiento de Project Management.

startup-metrics-framework ayuda a founders, analistas y equipos operativos a calcular KPIs de startups como CAC, LTV, burn multiple, runway y métricas de crecimiento para startups SaaS, marketplace, consumer y B2B.

Usa la skill market-sizing-analysis para elaborar estimaciones estructuradas de TAM, SAM y SOM con métodos top-down, bottom-up y value-theory. Incluye contexto de instalación, archivos clave, entradas, flujo de trabajo y uso práctico para market sizing de startups y Data Analysis.

startup-financial-modeling ayuda a los agentes a crear modelos financieros de startups a 3-5 años con ingresos por cohortes, estructura de costes, burn, runway y escenarios de financiación. Es una buena opción para founders y responsables de finanzas que necesitan contexto antes de instalar, inputs claros y orientación práctica de uso a partir del SKILL.md de la skill.

risk-metrics-calculation ayuda a calcular métricas de riesgo de cartera como VaR, CVaR, Sharpe, Sortino, beta, volatilidad y drawdown. Úsalo para convertir series de rentabilidad en informes de riesgo estructurados, patrones de implementación en Python e interpretación práctica para flujos de trabajo financieros.

La skill backtesting-frameworks ayuda a diseñar y revisar backtests de estrategias de trading con controles más sólidos frente al look-ahead bias, survivorship bias, overfitting, costes de transacción y validación walk-forward en Finanzas.

spark-optimization es una guía práctica para diagnosticar trabajos lentos de Apache Spark mediante particionado, shuffle, skew, caché y ajuste de memoria. Úsala para instalar la skill desde wshobson/agents, revisar SKILL.md y aplicar correcciones basadas en evidencia a partir de síntomas en Spark UI, configuración del clúster y patrones de consulta.

torchdrug es un toolkit nativo de PyTorch para machine learning molecular y de proteínas. Usa la skill de torchdrug para elegir tareas, datasets y modelos modulares para redes neuronales de grafos, modelado de proteínas, razonamiento sobre grafos de conocimiento, generación molecular y retrosíntesis. Es la mejor opción para desarrollar modelos a medida y trabajar con configuraciones reproducibles, no solo para demos cerradas.

Guía de torch-geometric para redes neuronales gráficas con PyTorch Geometric. Úsala para ayuda de instalación de torch-geometric, uso de torch-geometric, clasificación de grafos, clasificación de nodos, predicción de enlaces, grafos heterogéneos, capas `MessagePassing` personalizadas y escalado de GNN en flujos de trabajo de Machine Learning.

Usa la skill sympy para matemáticas simbólicas exactas en Python, incluyendo álgebra, cálculo, matrices, fórmulas de física, teoría de números, geometría y generación de código. Te ayuda a mantener las expresiones exactas, elegir los módulos adecuados de SymPy y evitar errores típicos por depender demasiado de floats. Es ideal para quienes necesitan una guía práctica de sympy para flujos de trabajo simbólicos y sympy para análisis de datos.

La skill de rdkit ayuda a trabajar con flujos de quimioinformática de alta precisión: analizar SMILES, SDF, MOL, PDB e InChI; calcular descriptores; generar fingerprints; ejecutar búsquedas de subestructuras; manejar reacciones; y crear coordenadas 2D/3D. Usa esta guía de rdkit para control avanzado, sanitización personalizada y flujos de rdkit para análisis de datos.

qiskit es una skill de computación cuántica de IBM para crear circuitos, elegir backends, transpilar para hardware y ejecutar trabajos en simuladores o dispositivos de IBM Quantum. Encaja muy bien para usos de qiskit en química, optimización y machine learning, sobre todo cuando necesitas una guía práctica de instalación y ejecución en lugar de una explicación teórica de qiskit.

Open Notebook es un espacio de trabajo de investigación autohospedado y de código abierto para analizar documentos, tomar notas, chatear con fuentes, buscar y generar resúmenes estilo pódcast. Usa la skill de open-notebook para organizar notebooks, ingerir PDFs, páginas web, audio, video y archivos de Office, y respaldar flujos de trabajo privados orientados a API para análisis de datos.

hypogenic es una skill para generar y probar hipótesis sobre conjuntos de datos tabulares o derivados de texto con apoyo de LLM. Ayuda con hypogenic para análisis de datos al convertir preguntas empíricas en flujos de trabajo estructurados y comprobables para interpretación de clasificaciones, análisis de contenido y detección de engaños. Úsala cuando necesites hipótesis respaldadas por evidencia, no solo lluvia de ideas.

La skill hugging-science te ayuda a encontrar y usar recursos de IA científica del catálogo Hugging Science y de la organización `hugging-science` en Hugging Face. Encaja bien en biología, química, clima, genómica, materiales, astronomía y trabajos similares cuando necesitas un dataset, un modelo, un Space o un artículo de blog que realmente puedas ejecutar o citar. Úsala para flujos de uso y guía de hugging-science en lugar de una búsqueda genérica.

histolab es una skill de Python para el preprocesamiento de imágenes de portaobjetos completos (WSI) en patología digital. Permite detección de tejido, extracción de tiles y normalización de tinción para láminas H&E, por lo que resulta útil para preparar datasets, hacer análisis rápidos basados en tiles y trabajar en flujos ligeros de análisis de datos. Instala y usa histolab con guía práctica sobre máscaras, tilers y gestión de slides.

diffdock es una skill de docking para predecir poses de unión proteína-ligando a partir de estructuras PDB o de secuencias de proteína junto con ligandos en SMILES, SDF o MOL2. Usa la skill diffdock para diseño de fármacos basado en estructura, cribado virtual y análisis de poses con puntuación de confianza. No sirve para predecir afinidad de unión.

dhdna-profiler extrae patrones cognitivos y huellas de pensamiento a partir de texto o voz. Úsalo para perfilar cómo razona, decide, valora y se comunica una persona; comparar estilos de pensamiento; o responder a “¿cuál es mi estilo de pensamiento?”. Es especialmente útil para análisis estructurados, comparaciones repetidas y una comprensión más profunda de la mente detrás de un pasaje.

La skill user-personas crea 3 personas depuradas a partir de datos de investigación, con JTBD, dolores, beneficios e insights inesperados. Úsala para user-personas en UX Research, segmentación, estrategia de onboarding y decisiones de producto cuando cuentes con encuestas, entrevistas u otro material de origen.

market-sizing ayuda a estimar TAM, SAM y SOM con métodos top-down y bottom-up. Úsala en flujos de investigación de mercado, decisiones de entrada a mercados, presentaciones para inversores y planificación de lanzamientos cuando necesites una lógica defendible, supuestos que validar y una estimación práctica inicial del mercado.