Pandas

senior-data-scientist es una skill de Claude para diseño de pruebas A/B, razonamiento causal, feature engineering y evaluación de ML tabular. Úsala para orientar el cálculo del tamaño de muestra, la elección de métricas, revisiones de leakage, análisis con SHAP y seguimiento al estilo MLflow; los scripts son plantillas de andamiaje, no motores completos.

Realiza cohort-analysis sobre retención de usuarios, caída del engagement y adopción de funciones por cohorte. Esta skill de cohort-analysis está pensada para flujos de trabajo de análisis de datos que necesitan validación, cálculo, visualización y conclusiones claras a partir de datos estructurados de comportamiento de usuarios.

detecting-beaconing-patterns-with-zeek ayuda a analizar intervalos de `conn.log` de Zeek para detectar beaconing de estilo C2. Usa ZAT, agrupa flujos por origen, destino y puerto, y puntúa patrones de baja variación con comprobaciones estadísticas. Es ideal para SOC, threat hunting, respuesta a incidentes y flujos de trabajo de auditoría de seguridad con detecting-beaconing-patterns-with-zeek.

analyzing-api-gateway-access-logs ayuda a analizar logs de acceso de API Gateway para detectar BOLA/IDOR, evasión de rate limits, escaneo de credenciales e intentos de inyección. Está pensado para triage en SOC, threat hunting y flujos de trabajo de auditoría de seguridad en logs de AWS API Gateway, Kong y formatos tipo Nginx, usando análisis basado en pandas.

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.

pydeseq2 es una skill de Python basada en DESeq2 para el análisis diferencial de expresión génica en RNA-seq a gran escala. Úsala para comparar condiciones, ajustar diseños de uno o varios factores, aplicar pruebas de Wald y corrección FDR, y generar gráficos volcano o MA en flujos de trabajo con pandas y AnnData.

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.

chdb-datastore es una skill compatible con pandas para realizar análisis de datos rápidos con una DataStore API respaldada por ClickHouse. Admite conectores de archivos, bases de datos y nube, joins entre distintas fuentes y cambios mínimos de código en flujos de trabajo al estilo pandas. Usa esta guía de chdb-datastore cuando busques una capa de análisis lista para usar sobre conjuntos de datos grandes.