Jupyter

Open Notebook là một workspace nghiên cứu mã nguồn mở, tự host, phục vụ phân tích tài liệu, ghi chú, chat có dẫn nguồn, tìm kiếm và tạo tóm tắt kiểu podcast. Hãy dùng kỹ năng open-notebook để tổ chức notebook, nạp PDF, trang web, âm thanh, video và file Office, đồng thời hỗ trợ các quy trình riêng tư, ưu tiên API cho Data Analysis.

histolab là một skill Python cho tiền xử lý ảnh whole-slide image (WSI) trong giải phẫu bệnh số. Skill này hỗ trợ phát hiện mô, trích xuất tile và chuẩn hóa nhuộm cho các slide H&E, rất hữu ích cho chuẩn bị bộ dữ liệu, phân tích nhanh theo tile và các quy trình phân tích dữ liệu nhẹ. Hãy cài đặt và dùng histolab với hướng dẫn thực tế về mask, tiler và quản lý slide.

Kỹ năng statsmodels giúp bạn dùng statsmodels để phân tích dữ liệu trong Python khi cần mô hình thống kê, suy luận và chẩn đoán. Kỹ năng này phù hợp với OLS, GLM, biến cố rời rạc, chuỗi thời gian và mô hình hỗn hợp, kèm bảng hệ số, p-value, khoảng tin cậy và kiểm tra giả định. Hãy dùng hướng dẫn statsmodels này cho kinh tế lượng, dự báo và báo cáo có cơ sở.

Kỹ năng statistical-analysis giúp bạn chọn, chạy và trình bày các kiểm định có cơ sở cho Data Analysis, bao gồm giả định, kích thước hiệu ứng, power và kết quả theo chuẩn APA. Hãy dùng nó cho nghiên cứu học thuật, thí nghiệm và các nghiên cứu quan sát khi việc chọn kiểm định và báo cáo rõ ràng quan trọng hơn việc viết mã cho một mô hình cụ thể.

Skill scanpy cho phân tích dữ liệu single-cell RNA-seq bằng Python. Dùng cho QC, chuẩn hóa, PCA, UMAP/t-SNE, phân cụm, tìm marker gene, phân tích quỹ đạo và biểu đồ chất lượng cao cho bài báo. Phù hợp nhất cho các quy trình scRNA-seq khám phá xoay quanh AnnData, với hướng dẫn dùng và cài đặt scanpy rõ ràng.

Kỹ năng matplotlib cho vẽ biểu đồ bằng Python với toàn quyền kiểm soát trục, nhãn, chú giải, bố cục và định dạng xuất. Hãy dùng khi cần biểu đồ khoa học, phân tích nhiều khung, kiểu biểu đồ tùy chỉnh và trực quan hóa có thể tái tạo, đặc biệt khi bạn cần độ chính xác cao hơn một prompt biểu đồ chung chung. Đây là hướng dẫn matplotlib rất phù hợp cho Phân tích dữ liệu và các biểu đồ sẵn sàng đưa vào xuất bản.

Kỹ năng matlab giúp bạn tạo, gỡ lỗi và điều chỉnh mã MATLAB hoặc GNU Octave cho các phép toán ma trận, phân tích dữ liệu, trực quan hóa, thống kê, tối ưu hóa và tính toán khoa học. Hãy dùng khi cần mã MATLAB có thể chạy được, MATLAB cho phân tích dữ liệu, chuyển đổi MATLAB sang Python, hoặc các script tương thích Octave khi bạn muốn ít phải thử đi thử lại hơn so với một prompt chung chung.

labarchive-integration hỗ trợ các luồng công việc với LabArchives REST API cho truy cập notebook, entries, attachments, sao lưu, báo cáo, và tích hợp với Protocols.io, Jupyter, và REDCap. Hãy dùng skill labarchive-integration này cho phát triển API khi bạn cần hướng dẫn thực tế về thông tin xác thực, cấu hình, và tự động hóa ELN có thể lặp lại.

imaging-data-commons giúp bạn truy vấn và tải về dữ liệu hình ảnh ung thư công khai từ NCI Imaging Data Commons bằng `idc-index`. Dùng skill này cho các tác vụ với imaging-data-commons trên bộ dữ liệu CT, MR, PET và mô bệnh học, bao gồm tìm kiếm metadata, xem trước trên trình duyệt, kiểm tra giấy phép, và quy trình phân tích dữ liệu hoặc huấn luyện AI. Không cần xác thực.

gget là một skill tin sinh học giúp truy cập nhanh, thống nhất hơn 20 cơ sở dữ liệu hệ gen và công cụ phân tích từ CLI hoặc Python. Dùng nó để tra cứu thông tin gen, truy vấn liên quan đến BLAST, cấu trúc AlphaFold, dữ liệu biểu hiện, liên kết bệnh lý và các phân tích kiểu enrichment. Nó phù hợp cho việc khám phá nhanh và các quy trình phân tích dữ liệu với gget.

Kỹ năng exploratory-data-analysis biến các tệp khoa học thành báo cáo EDA có nhận biết định dạng. Kỹ năng này phát hiện loại tệp, tóm tắt cấu trúc và chất lượng, trích xuất siêu dữ liệu quan trọng và gợi ý hướng phân tích tiếp theo. Dùng kỹ năng exploratory-data-analysis cho Data Analysis trong các lĩnh vực hóa học, tin sinh học, hiển vi, quang phổ, proteomics, metabolomics và các định dạng tệp khoa học khác.

astropy là bộ công cụ Python cho các workflow thiên văn học và vật lý thiên văn. Hãy dùng skill astropy này cho tọa độ thiên thể, đơn vị đo, tệp FITS, thang thời gian, bảng dữ liệu, WCS, vũ trụ học và phân tích dữ liệu với astropy. Skill này hỗ trợ các tác vụ thiên văn thực tế như chuyển đổi tọa độ, đổi đơn vị và xử lý dữ liệu.

Skill jupyter-notebook giúp bạn tạo, tái cấu trúc và sắp xếp các notebook .ipynb cho thí nghiệm, hướng dẫn và phân tích dữ liệu. Skill này dùng các template đi kèm và helper `new_notebook.py` để tạo ra notebook gọn gàng, dễ tái lập, với các phần rõ ràng, cell có thể chạy được và ít lỗi JSON hơn.