Matplotlib

visualization-expert es una skill ligera para selección de gráficos, buenas prácticas de visualización y ejemplos con matplotlib o plotly. Úsala para elegir mejores gráficos, evaluar dashboards y aplicar pautas claras y accesibles de visualización de datos desde un único archivo SKILL.md.

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.

qutip es una skill de simulación de física cuántica en Python para sistemas cuánticos abiertos, disipación, evolución temporal y óptica cuántica. Usa esta guía de qutip para ecuaciones maestras, dinámica de Lindblad, decoherencia, cavity QED, simulación de estados y operadores, y ejemplos con Scientific Python. No es para computación cuántica basada en circuitos.

Skill de shap para interpretabilidad de modelos y IA explicable. Úsalo para entender predicciones, calcular atribuciones de características, elegir gráficos de SHAP y depurar el comportamiento del modelo en análisis de datos, tanto en modelos de árboles, lineales, de deep learning como de caja negra.

Seaborn es una skill de seaborn para visualización estadística en Python, con entradas compatibles con pandas y buenos valores predeterminados. Úsala para explorar rápidamente distribuciones, relaciones, comparaciones categóricas, box plots, violin plots, pair plots y heatmaps. Está construida sobre matplotlib para generar gráficos estáticos listos para publicación.

scikit-learn te ayuda a crear flujos de trabajo clásicos de machine learning en Python. Usa este skill de scikit-learn para clasificación, regresión, clustering, preprocesado, evaluación de modelos, ajuste de hiperparámetros y pipelines. Es una guía práctica de scikit-learn para datos tabulares y desarrollo repetible de modelos.

scientific-visualization es una meta-skill para crear figuras listas para publicación. Úsala para gráficos de envío a revistas con diseños multipanel, anotaciones de significancia, barras de error, paletas aptas para daltónicos y formato al estilo Nature/Science/Cell. Orquesta matplotlib, seaborn y plotly para trabajo de visualización de datos con scientific-visualization.

Skill de matplotlib para gráficos en Python con control total sobre ejes, etiquetas, leyendas, diseños y formatos de exportación. Úsalo para figuras científicas, análisis multipanel, tipos de gráficos personalizados y visualizaciones reproducibles cuando necesites más precisión que la que ofrece un prompt genérico de gráficos. Es una guía sólida de matplotlib para Análisis de Datos y para crear gráficos listos para publicación.

La skill de matlab te ayuda a generar, depurar y adaptar código de MATLAB o GNU Octave para operaciones con matrices, análisis de datos, visualización, estadística, optimización y computación científica. Úsala para obtener uso ejecutable de MATLAB, MATLAB para análisis de datos, traducción de MATLAB a Python o scripts compatibles con Octave cuando necesites menos prueba y error que con un prompt genérico.

Skill de geopandas para análisis de datos vectoriales geoespaciales en Python, incluyendo shapefiles, GeoJSON y archivos GeoPackage. Úsalo para leer, limpiar, unir, generar buffers, recortar, reproyectar y exportar datos espaciales con menos margen de error.