Pandas

Faça cohort-analysis de retenção de usuários, queda de engajamento e adoção de recursos por coorte. Esta skill de cohort-analysis foi criada para fluxos de Trabalho de Análise de Dados que precisam de validação, cálculo, visualização e insights claros a partir de dados estruturados de comportamento do usuário.

detecting-beaconing-patterns-with-zeek ajuda a analisar intervalos do `conn.log` do Zeek para detectar beaconing no estilo C2. Usa ZAT, agrupa fluxos por origem, destino e porta, e pontua padrões de baixo jitter com verificações estatísticas. É ideal para SOC, threat hunting, resposta a incidentes e fluxos de Security Audit com detecting-beaconing-patterns-with-zeek.

analyzing-api-gateway-access-logs ajuda a interpretar logs de acesso do API Gateway para detectar BOLA/IDOR, bypass de rate limit, varredura de credenciais e tentativas de injeção. Foi criado para triagem em SOC, threat hunting e fluxos de Security Audit em logs do AWS API Gateway, Kong e padrões de log no estilo Nginx, usando análise baseada em pandas.

Seaborn é uma skill de visualização estatística em Python, com entradas amigáveis para pandas e bons padrões prontos para uso. Use-a para explorar rapidamente distribuições, relações, comparações categóricas, box plots, violin plots, pair plots e heatmaps. Baseada em matplotlib para gráficos estáticos, prontos para publicação.

O scikit-learn ajuda você a criar fluxos de trabalho clássicos de machine learning em Python. Use este skill de scikit-learn para classificação, regressão, clustering, pré-processamento, avaliação de modelos, ajuste de hiperparâmetros e pipelines. É um guia prático de scikit-learn para dados tabulares e desenvolvimento de modelos reproduzível.

pydeseq2 é uma skill em Python para DESeq2 voltada à análise de expressão gênica diferencial em RNA-seq bulk. Use para comparar condições, ajustar desenhos experimentais com um ou vários fatores, aplicar testes de Wald e correção de FDR, e gerar gráficos volcano ou MA em fluxos de trabalho com pandas e AnnData.

skill geopandas para análise de dados vetoriais geoespaciais em Python, incluindo arquivos shapefile, GeoJSON e GeoPackage. Use para ler, limpar, fazer joins, criar buffers, recortar, reprojetar e exportar dados espaciais com menos suposições.

O chdb-datastore é um skill compatível com pandas para análise de dados rápida, com uma API DataStore baseada em ClickHouse. Ele oferece suporte a conectores de arquivos, banco de dados e nuvem, joins entre fontes diferentes e mudanças mínimas de código em fluxos de trabalho no estilo pandas. Use este guia do chdb-datastore quando você quiser uma camada de análise plug-and-play para conjuntos de dados maiores.