Pandas

사용자 유지율, 참여도 감소, 코호트별 기능 채택을 분석하는 cohort-analysis를 수행합니다. 이 cohort-analysis 스킬은 검증, 계산, 시각화, 그리고 구조화된 사용자 행동 데이터에서 명확한 인사이트 도출이 필요한 Data Analysis 워크플로를 위해 설계되었습니다.

detecting-beaconing-patterns-with-zeek은 Zeek `conn.log`의 간격을 분석해 C2형 비컨ing을 탐지하는 데 도움을 줍니다. ZAT를 사용해 흐름을 출발지, 목적지, 포트별로 그룹화하고, 통계적 검증을 통해 지터가 낮은 패턴에 점수를 매깁니다. SOC, 위협 헌팅, 사고 대응, 그리고 Security Audit 워크플로에서 detecting-beaconing-patterns-with-zeek를 활용하려는 경우에 적합합니다.

analyzing-api-gateway-access-logs는 API Gateway 액세스 로그를 파싱해 BOLA/IDOR, 속도 제한 우회, 자격 증명 스캐닝, 주입 시도를 탐지하는 데 도움을 줍니다. AWS API Gateway, Kong, Nginx 스타일 로그 전반에서 pandas 기반 분석으로 SOC 트리아지, 위협 헌팅, Security Audit 워크플로에 맞게 설계되었습니다.

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.

pydeseq2는 bulk RNA-seq 차등 발현 분석을 위한 Python DESeq2 스킬입니다. 조건 비교, 단일/다중 요인 설계 적합, Wald 검정과 FDR 보정 적용, pandas 및 AnnData 워크플로우에서 volcano/MA plot 생성에 활용할 수 있습니다.

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.

chdb-datastore는 ClickHouse 기반 DataStore API를 활용해 빠른 데이터 분석을 지원하는 pandas 호환 skill입니다. 파일, 데이터베이스, 클라우드 커넥터를 지원하고, 서로 다른 소스 간 조인도 가능하며, pandas 스타일 워크플로우에 최소한의 코드 수정만으로 적용할 수 있습니다. 더 큰 데이터셋을 바로 분석할 수 있는 드롭인 분석 계층이 필요할 때 이 chdb-datastore 가이드를 사용하세요.