Matplotlib

visualization-expert는 차트 선택, 시각화 모범 사례, 그리고 matplotlib 또는 plotly 예시 코드를 다루는 가벼운 스킬입니다. 하나의 SKILL.md 파일로 더 적절한 차트를 고르고, 대시보드를 리뷰하며, 명확하고 접근성 높은 데이터 시각화 가이드를 적용할 때 유용합니다.

sympy 스킬로 Python에서 대수, 미적분, 행렬, 물리 공식, 수론, 기하, 코드 생성까지 정확한 기호 수학을 처리하세요. 식을 정확하게 유지하고, 적절한 SymPy 모듈을 고르며, 부동소수점 위주의 오류를 피하는 데 도움이 됩니다. 기호 워크플로와 데이터 분석용 sympy를 실용적으로 다루려는 사용자에게 특히 적합합니다.

qutip은 개방계, 소산, 시간 진화, 양자 광학을 다루는 Python 양자물리 시뮬레이션 스킬입니다. 마스터 방정식, Lindblad 동역학, 디코히런스, 캐비티 QED, 상태/연산자 시뮬레이션, Scientific Python 예제가 필요할 때 이 qutip 가이드를 활용하세요. 회로 기반 양자 컴퓨팅용은 아닙니다.

모델 해석 가능성과 설명 가능한 AI를 위한 shap 스킬입니다. 예측 결과를 이해하고, 특징 기여도를 계산하고, SHAP 플롯을 선택하고, 트리·선형·딥러닝·블랙박스 모델 전반의 데이터 분석에서 모델 동작을 디버깅하는 데 활용할 수 있습니다.

Seaborn은 pandas와 잘 맞는 입력과 안정적인 기본값을 갖춘 Python 통계 시각화용 seaborn 스킬입니다. 분포, 관계, 범주형 비교, 박스 플롯, 바이올린 플롯, 페어 플롯, 히트맵을 빠르게 탐색할 때 유용합니다. matplotlib 기반이라 정적인 출판용 차트를 만들기에 적합합니다.

scikit-learn은 Python에서 전통적인 머신러닝 워크플로를 구축할 수 있게 도와줍니다. 이 scikit-learn 스킬은 분류, 회귀, 클러스터링, 전처리, 모델 평가, 하이퍼파라미터 튜닝, 파이프라인 구성에 활용할 수 있습니다. 표 형식 데이터와 반복 가능한 모델 개발에 적합한 실용적인 scikit-learn 가이드입니다.

scientific-visualization은 출판용 그림 제작을 위한 메타 스킬입니다. 학술지 투고용 플롯, 멀티 패널 레이아웃, 유의성 주석, 오차막대, 색각 이상 친화 팔레트, 그리고 Nature/Science/Cell 스타일 서식이 필요한 작업에 사용하세요. matplotlib, seaborn, plotly를 함께 조율해 과학적 데이터 시각화 작업을 지원합니다.

Python 그래프 작성을 위한 matplotlib 스킬로, 축, 레이블, 범례, 레이아웃, 내보내기 형식을 세밀하게 제어할 수 있습니다. 과학 논문용 그림, 멀티 패널 분석, 맞춤형 차트 유형, 그리고 일반적인 차트 프롬프트보다 더 높은 정밀도가 필요한 재현 가능한 시각화에 적합합니다. 데이터 분석과 출판용 플롯에 강한 matplotlib 가이드입니다.

matlab 스킬은 행렬 연산, 데이터 분석, 시각화, 통계, 최적화, 과학 계산을 위한 MATLAB 또는 GNU Octave 코드를 생성, 디버깅, 수정하는 데 도움을 줍니다. 실행 가능한 MATLAB 사용법, 데이터 분석용 MATLAB, MATLAB에서 Python으로의 변환, 또는 범용 프롬프트보다 시행착오를 줄이고 싶을 때의 Octave 호환 스크립트에 활용하세요.

Python 지리공간 벡터 데이터 분석을 위한 geopandas 스킬로, shapefiles, GeoJSON, GeoPackage 파일을 다룹니다. 공간 데이터를 읽고, 정리하고, 결합하고, 버퍼를 만들고, 자르고, 재투영하고, 내보내는 작업을 더 적은 추측으로 수행할 때 유용합니다.