Data Analysis

social-graph-ranker est la couche de classement pondéré des graphes pour découvrir des introductions à chaud, scorer les ponts et analyser les trous de réseau sur X et LinkedIn. Utilisez le skill social-graph-ranker lorsque vous avez besoin d’un moteur de classement réutilisable pour Lead Research, et non d’un workflow complet d’outbound ou de maintenance de réseau.

Skill regex-vs-llm-structured-text pour choisir entre regex et LLM dans l’extraction de texte structuré. Commencez par un parsing déterministe, ajoutez une validation par LLM pour les cas limites à faible confiance, et utilisez un pipeline plus économique et plus fiable pour les documents, formulaires, factures et l’analyse de données.

clickhouse-io est une skill centrée sur ClickHouse pour la conception de schémas, le SQL analytique, les patterns d’ingestion et l’optimisation des performances. Utilisez-la pour guider le choix des MergeTree, le partitionnement, les vues matérialisées et l’optimisation des requêtes selon la charge de travail.

data-analyst est une skill GitHub minimaliste qui oriente les agents vers SQL, pandas et l’analyse statistique de base pour l’exploration de données. Elle convient surtout aux utilisateurs qui veulent obtenir, depuis une seule couche de prompt SKILL.md, des requêtes, des transformations et des interprétations appuyées par du code.

retro est une skill de rétrospective de projet pour les équipes d’ingénierie. Elle analyse l’historique des commits, les modes de travail et les apprentissages précédents pour générer une rétro hebdomadaire structurée et cohérente dans la durée. Utilisez retro pour les revues de sprint, les questions du type « qu’avons-nous livré ? » et les points de suivi en gestion de projet.

startup-metrics-framework aide les fondateurs, analystes et équipes opérationnelles à calculer des KPI startup comme le CAC, le LTV, le burn multiple, la runway et des métriques de croissance pour les startups SaaS, marketplace, grand public et B2B.

Utilisez la compétence market-sizing-analysis pour construire des estimations structurées de TAM, SAM et SOM avec des approches top-down, bottom-up et par la théorie de la valeur. Couvre le contexte d’installation, les fichiers clés, les entrées, le workflow et l’usage pratique pour le dimensionnement de marché de startup et la Data Analysis.

startup-financial-modeling aide les agents à construire des modèles financiers de startup sur 3 à 5 ans avec revenus par cohortes, structure de coûts, burn, runway et scénarios de levée de fonds. Idéal pour les fondateurs et responsables finance qui ont besoin d'un contexte d'installation, d'entrées clairement définies et de conseils d'usage concrets issus du SKILL.md de la skill.

risk-metrics-calculation aide à calculer des indicateurs de risque de portefeuille comme la VaR, la CVaR, le ratio de Sharpe, le ratio de Sortino, le bêta, la volatilité et le drawdown. Utilisez-le pour transformer des séries de rendements en reporting de risque structuré, en modèles d’implémentation Python et en repères d’interprétation concrets pour les workflows financiers.

Le skill backtesting-frameworks aide à concevoir et à relire des backtests de stratégies de trading avec des garde-fous plus solides contre le biais d’anticipation, le biais de survivance, le surapprentissage, les coûts de transaction et la validation walk-forward en finance.

spark-optimization est un guide pratique pour diagnostiquer les jobs Apache Spark lents grâce au partitionnement, au shuffle, au skew, au caching et au réglage mémoire. Utilisez-le pour installer la skill depuis wshobson/agents, consulter SKILL.md et appliquer des correctifs fondés sur des indices concrets issus de Spark UI, des paramètres du cluster et des schémas de requêtes.

torchdrug est une boîte à outils native PyTorch pour le machine learning des molécules et des protéines. Utilisez le skill torchdrug pour choisir les tâches, les jeux de données et les modèles modulaires dédiés aux graph neural networks, à la modélisation des protéines, au raisonnement sur les knowledge graphs, à la génération moléculaire et à la rétrosynthèse. Il convient surtout au développement de modèles sur mesure et à des configurations reproductibles, pas seulement à des démonstrations prêtes à l’emploi.

Guide du skill torch-geometric pour les réseaux de neurones graphiques PyTorch Geometric. Utilisez-le pour l’aide à l’installation de torch-geometric, l’utilisation de torch-geometric, la classification de graphes, la classification de nœuds, la prédiction de liens, les graphes hétérogènes, les couches MessagePassing personnalisées et la mise à l’échelle des GNN dans des workflows de Machine Learning.

Utilisez la compétence sympy pour faire des maths symboliques exactes en Python, notamment en algèbre, calcul, matrices, formules de physique, théorie des nombres, géométrie et génération de code. Elle vous aide à conserver des expressions exactes, à choisir les bons modules SymPy et à éviter les erreurs liées aux flottants. C’est un bon choix pour celles et ceux qui cherchent un guide pratique sympy pour des workflows symboliques et sympy pour l’analyse de données.

Le skill RDKit aide à piloter avec précision des workflows de chimioinformatique : analyse de SMILES, SDF, MOL, PDB et InChI ; calcul de descripteurs ; génération d’empreintes ; recherche de sous-structures ; gestion de réactions ; et création de coordonnées 2D/3D. Utilisez ce guide RDKit pour un contrôle avancé, une sanitization personnalisée et des workflows RDKit pour l’analyse de données.

qiskit est un skill IBM de calcul quantique pour créer des circuits, choisir des backends, transpiler pour le matériel et exécuter des jobs sur des simulateurs ou des appareils IBM Quantum. Il convient particulièrement bien aux usages de qiskit en chimie, en optimisation et en apprentissage automatique, surtout si vous cherchez des consignes pratiques d’installation et d’exécution plutôt qu’un guide qiskit purement théorique.

Open Notebook est un espace de recherche auto-hébergé et open source pour l’analyse de documents, la prise de notes, le chat avec sources, la recherche et les résumés façon podcast. Utilisez le skill open-notebook pour organiser des notebooks, ingérer des PDF, des pages web, de l’audio, de la vidéo et des fichiers Office, et prendre en charge des workflows privés orientés API pour l’analyse de données.

hypogenic est un outil pour générer et tester des hypothèses sur des jeux de données tabulaires ou issus de texte, avec l’aide d’un LLM. Il aide à appliquer hypogenic à l’analyse de données en transformant des questions empiriques en workflows structurés et testables pour l’interprétation de classifications, l’analyse de contenu et la détection de tromperie. À utiliser quand il vous faut des hypothèses étayées par des preuves, pas seulement du brainstorming.

La skill hugging-science vous aide à trouver et utiliser des ressources d’IA scientifique issues du catalogue Hugging Science et de l’organisation Hugging Face `hugging-science`. Elle convient aux travaux en biologie, chimie, climat, génomique, science des matériaux, astronomie et domaines proches, lorsque vous avez besoin d’un dataset, d’un modèle, d’un Space ou d’un article de blog réellement exploitable ou citable. Utilisez-la pour des workflows d’usage de hugging-science et de guide hugging-science plutôt qu’une recherche générique.

histolab est une skill Python dédiée au prétraitement des images en lame entière (WSI) en pathologie numérique. Elle prend en charge la détection de tissu, l’extraction de tuiles et la normalisation des colorations pour les lames H&E, ce qui la rend utile pour la préparation de jeux de données, l’analyse rapide par tuiles et des workflows légers d’analyse de données. Installez et utilisez histolab avec des conseils pratiques sur les masques, les tilers et la gestion des lames.

diffdock est un skill de docking pour prédire les poses de liaison protéine-ligand à partir de structures PDB ou de séquences protéiques, avec des ligands en SMILES, SDF ou MOL2. Utilisez le skill diffdock pour la conception de médicaments fondée sur la structure, le criblage virtuel et l’analyse de poses avec score de confiance. Il ne sert pas à prédire l’affinité de liaison.

dhdna-profiler extrait des schémas cognitifs et des empreintes de pensée à partir de texte ou de parole. Servez-vous-en pour analyser la manière dont quelqu’un raisonne, décide, hiérarchise ses valeurs et communique, comparer des styles de pensée, ou répondre à « quel est mon style de pensée ? ». C’est particulièrement utile pour une analyse structurée, des comparaisons répétées et une lecture plus fine de l’esprit derrière un passage.

Le skill user-personas génère 3 personas affinés à partir de données de recherche, avec JTBD, irritants, bénéfices et insights inattendus. Utilisez-le pour vos user-personas en UX Research, la segmentation, la stratégie d’onboarding et les décisions produit lorsque vous disposez d’enquêtes, d’entretiens ou d’autres sources.

market-sizing aide à estimer le TAM, le SAM et le SOM à l’aide d’approches top-down et bottom-up. Utilisez-le pour les workflows de Market Research, les décisions d’entrée sur un marché, les pitch decks investisseurs et la planification de lancement lorsque vous avez besoin d’une logique défendable, d’hypothèses à valider et d’une première estimation de marché pragmatique.