por phuryn
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.
por phuryn
ab-test-analysis te ayuda a evaluar resultados de pruebas A/B con rigor estadístico, incluyendo validación del tamaño de muestra, intervalos de confianza, pruebas de significancia y recomendaciones de lanzar/extender/detener. Úsala para revisar experimentos, interpretar pruebas divididas y tomar decisiones en flujos de trabajo de análisis de datos.
por K-Dense-AI
La skill de statsmodels te ayuda a usar statsmodels para análisis de datos en Python cuando necesitas modelos estadísticos, inferencia y diagnósticos. Sirve para ajustar OLS, GLM, resultados discretos, series temporales y modelos mixtos, con tablas de coeficientes, valores p, intervalos de confianza y comprobaciones de supuestos. Usa esta guía de statsmodels para econometría, pronósticos e informes sólidos y defendibles.
por K-Dense-AI
La skill statistical-analysis te ayuda a elegir, ejecutar y reportar pruebas estadísticas sólidas para Data Analysis, incluyendo supuestos, tamaños del efecto, potencia y resultados con estilo APA. Úsala en investigación académica, experimentos y estudios observacionales cuando la selección de la prueba y la claridad del reporte importan más que codificar un modelo concreto.
por K-Dense-AI
Skill de scikit-survival para análisis de supervivencia y modelado de tiempo hasta el evento en Python. Usa esta guía para datos censurados, modelos de Cox, bosques aleatorios de supervivencia, gradient boosting, Survival SVM y métricas de supervivencia como el índice de concordancia y el puntaje de Brier.
por K-Dense-AI
scientific-critical-thinking ayuda a evaluar afirmaciones científicas, el diseño de estudios, los sesgos, la confusión y la calidad de la evidencia. Úsalo para análisis crítico, apoyo a revisiones de literatura, comprobaciones de riesgo de sesgo con GRADE o Cochrane, y scientific-critical-thinking para una evaluación estilo Peer Review de lo que un artículo realmente puede respaldar.
por K-Dense-AI
PyMC es un skill de modelado bayesiano para construir, ajustar, comprobar y comparar modelos probabilísticos en Python. Usa pymc para regresión jerárquica, análisis multivel, series temporales, datos faltantes, error de medición y comparación de modelos con LOO o WAIC.
por K-Dense-AI
La skill peer-review te ayuda a redactar revisiones formales y basadas en evidencia de manuscritos y solicitudes de subvención. Úsala para evaluar la metodología, las estadísticas, la reproducibilidad, la ética y estándares de reporte como CONSORT, STROBE o PRISMA, con comentarios constructivos que autores y editores puedan poner en práctica.
por K-Dense-AI
La skill exploratory-data-analysis convierte archivos científicos en informes de EDA adaptados al formato. Detecta el tipo de archivo, resume la estructura y la calidad, extrae metadatos clave y sugiere el siguiente análisis. Úsala para exploratory-data-analysis en Data Analysis aplicada a química, bioinformática, microscopía, espectroscopía, proteómica, metabolómica y otros formatos de archivo científicos.
