Seaborn

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.