Jupyter

Open Notebook é um workspace de pesquisa open source e self-hosted para análise de documentos, notas, chat com fontes, busca e resumos em estilo podcast. Use a skill open-notebook para organizar notebooks, ingerir PDFs, páginas da web, áudio, vídeo e arquivos do Office, e dar suporte a fluxos privados e centrados em API para análise de dados.

histolab é uma skill em Python para pré-processamento de imagens de lâmina inteira (whole-slide image, WSI) em patologia digital. Ela oferece suporte a detecção de tecido, extração de tiles e normalização de coloração para lâminas H&E, sendo útil para preparação de datasets, análise rápida baseada em tiles e fluxos leves de análise de dados. Instale e use histolab com orientações práticas sobre máscaras, tilers e gerenciamento de lâminas.

A skill de statsmodels ajuda você a usar o statsmodels na análise de dados em Python quando precisa de modelos estatísticos, inferência e diagnósticos. Ela cobre ajuste de OLS, GLM, desfechos discretos, séries temporais e modelos mistos, com tabelas de coeficientes, valores-p, intervalos de confiança e checagens de pressupostos. Use este guia de statsmodels para econometria, previsão e relatórios com base técnica sólida.

A skill statistical-analysis ajuda você a escolher, executar e relatar testes defensáveis para Análise de Dados, incluindo pressupostos, tamanhos de efeito, poder estatístico e resultados no estilo APA. Use-a em pesquisa acadêmica, experimentos e estudos observacionais quando a escolha do teste e a clareza do relatório importam mais do que codificar um modelo específico.

skill de scanpy para análise de dados de RNA-seq de célula única em Python. Use para QC, normalização, PCA, UMAP/t-SNE, clustering, descoberta de genes marcadores, análise de trajetória e gráficos com qualidade de publicação. É mais indicado para fluxos exploratórios de scRNA-seq centrados em AnnData, com orientações claras de uso e instalação do scanpy.

Skill de matplotlib para plotagem em Python com controle total de eixos, rótulos, legendas, layouts e formatos de exportação. Use quando precisar de figuras científicas, análises com vários painéis, tipos de gráfico personalizados e visualizações reproduzíveis, especialmente quando quiser mais precisão do que um prompt genérico de gráficos oferece. É um guia forte de matplotlib para Data Analysis e gráficos prontos para publicação.

A skill matlab ajuda você a gerar, depurar e adaptar código MATLAB ou GNU Octave para operações com matrizes, análise de dados, visualização, estatística, otimização e computação científica. Use-a para uso executável em MATLAB, MATLAB para análise de dados, tradução de MATLAB para Python ou scripts compatíveis com Octave quando você quiser menos tentativa e erro do que em um prompt genérico.

A skill labarchive-integration ajuda em fluxos de trabalho da API REST do LabArchives para acesso a notebooks, entradas, anexos, backups, relatórios e integrações com Protocols.io, Jupyter e REDCap. Use esta skill labarchive-integration para desenvolvimento de API quando precisar de orientação prática sobre credenciais, configuração e automação ELN repetível.

O imaging-data-commons ajuda você a consultar e baixar dados públicos de imagem oncológica do NCI Imaging Data Commons com o idc-index. Use-o para o uso do imaging-data-commons em conjuntos de dados de CT, MR, PET e patologia, incluindo busca de metadados, pré-visualização no navegador, verificação de licenças e fluxos de trabalho de análise de dados ou treinamento de IA. Não requer autenticação.

gget é uma skill de bioinformática para acesso rápido e unificado a mais de 20 bancos de dados genômicos e ferramentas de análise via CLI ou Python. Use para informações de genes, buscas relacionadas a BLAST, estruturas do AlphaFold, dados de expressão, associações com doenças e análises no estilo enrichment. É uma boa opção para exploração rápida e fluxos de trabalho de análise de dados com gget.

A skill exploratory-data-analysis transforma arquivos científicos em relatórios de EDA sensíveis ao formato. Ela detecta o tipo de arquivo, resume estrutura e qualidade, extrai metadados-chave e sugere análises subsequentes. Use-a para exploratory-data-analysis em Análise de Dados em química, bioinformática, microscopia, espectroscopia, proteômica, metabolômica e outros formatos de arquivos científicos.

astropy é um toolkit em Python para fluxos de trabalho de astronomia e astrofísica. Use esta skill astropy para coordenadas celestes, unidades, arquivos FITS, escalas de tempo, tabelas, WCS, cosmologia e análise de dados com astropy. Ela ajuda em tarefas práticas de astronomia, como transformações de coordenadas, conversão de unidades e processamento de dados.

A skill jupyter-notebook ajuda você a criar, refatorar e estruturar notebooks .ipynb para experimentos, tutoriais e análise de dados. Ela usa templates incluídos e o helper `new_notebook.py` para gerar notebooks limpos e reproduzíveis, com seções claras, células executáveis e menos erros de JSON.