par Shubhamsaboo
visualization-expert est une skill légère dédiée au choix des graphiques, aux bonnes pratiques de visualisation et à des exemples de code matplotlib ou plotly. Utilisez-la pour sélectionner de meilleurs graphiques, évaluer des dashboards et appliquer des recommandations de datavis claires et accessibles à partir d’un seul fichier SKILL.md.
par K-Dense-AI
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.
par K-Dense-AI
qutip est une skill Python de simulation de physique quantique pour les systèmes quantiques ouverts, la dissipation, l’évolution temporelle et l’optique quantique. Utilisez ce guide qutip pour les équations maîtresses, la dynamique de Lindblad, la décohérence, la QED en cavité, la simulation d’états et d’opérateurs, ainsi que des exemples Scientific Python. Ne convient pas à l’informatique quantique basée sur les circuits.
par K-Dense-AI
Skill shap pour l’interprétabilité des modèles et l’IA explicable. Utilisez-le pour comprendre les prédictions, calculer les attributions de variables, choisir les graphiques SHAP et déboguer le comportement des modèles pour l’analyse de données sur les modèles d’arbres, linéaires, de deep learning et de type boîte noire.
par K-Dense-AI
Seaborn est un skill seaborn pour la visualisation statistique en Python, avec des entrées compatibles pandas et des valeurs par défaut bien pensées. Servez-vous-en pour explorer rapidement des distributions, des relations, des comparaisons catégorielles, des box plots, des violin plots, des pair plots et des heatmaps. Basé sur matplotlib pour des graphiques statiques prêts à être publiés.
par K-Dense-AI
scikit-learn vous aide à construire des workflows de machine learning classique en Python. Utilisez ce skill scikit-learn pour la classification, la régression, le clustering, le prétraitement, l’évaluation des modèles, le réglage des hyperparamètres et les pipelines. C’est un guide pratique scikit-learn pour les données tabulaires et le développement reproductible de modèles.
par K-Dense-AI
scientific-visualization est une méta-compétence pour créer des figures prêtes à être publiées. Utilisez-la pour des graphiques de soumission à des revues avec mises en page multi-panneaux, annotations de significativité, barres d’erreur, palettes sûres pour le daltonisme et un formatage de type Nature/Science/Cell. Elle orchestre matplotlib, seaborn et plotly pour des travaux de visualisation scientifique en Data Visualization.
par K-Dense-AI
Skill matplotlib pour le traçage en Python, avec un contrôle complet sur les axes, les libellés, les légendes, les mises en page et les formats d’export. À utiliser pour les figures scientifiques, les analyses multi-panneaux, les types de graphiques personnalisés et les visualisations reproductibles lorsque vous avez besoin de plus de précision qu’un prompt de graphique générique. C’est un guide solide sur matplotlib pour l’analyse de données et des graphiques prêts pour la publication.
par K-Dense-AI
La skill MATLAB vous aide à générer, déboguer et adapter du code MATLAB ou GNU Octave pour les opérations matricielles, l’analyse de données, la visualisation, les statistiques, l’optimisation et le calcul scientifique. Utilisez-la pour obtenir du code MATLAB exécutable, pour MATLAB dédié à l’analyse de données, pour la traduction MATLAB vers Python, ou pour des scripts compatibles Octave quand vous voulez moins d’essais-erreurs qu’avec une requête générique.
par K-Dense-AI
Skill geopandas pour l’analyse de données vectorielles géospatiales en Python, y compris les fichiers shapefiles, GeoJSON et GeoPackage. Utilisez-le pour lire, nettoyer, joindre, créer des buffers, découper, reprojeter et exporter des données spatiales avec moins d’hésitation.
