💻 Desarrollo

Kit completo para crear, analizar y visualizar redes y grafos complejos en Python. Utilícelo al trabajar con estructuras de datos de redes/grafos, analizar relaciones entre entidades, calcular algoritmos de grafos (caminios más cortos, centralidad, agrupamiento), detectar comunidades, generar redes sintéticas o visualizar topologías de redes. Aplicable a redes sociales, redes biológicas, sistemas de transporte, redes de citas y cualquier dominio que implique relaciones por pares.

Kit completo de procesamiento de biosignales para analizar datos fisiológicos incluyendo señales ECG, EEG, EDA, RSP, PPG, EMG y EOG. Use esta habilidad al procesar señales cardiovasculares, actividad cerebral, respuestas electrodérmicas, patrones respiratorios, actividad muscular o movimientos oculares. Aplicable para análisis de variabilidad de la frecuencia cardíaca, potenciales relacionados con eventos, medidas de complejidad, evaluación del sistema nervioso autónomo, investigación de psicofisiología y integración de señales fisiológicas multimodales.

Use esta habilidad para consultar directamente tus cuadernos de Google NotebookLM desde Claude Code para obtener respuestas fundamentadas en fuentes y respaldadas por citas de Gemini. Automatización del navegador, gestión de bibliotecas, autenticación persistente. Reducción drástica de las alucinaciones mediante respuestas exclusivamente basadas en documentos.

Use when answering questions about OR implementing features with Nuxt Content (queries, MDC components, document-driven mode), especially when uncertain about current API - Nuxt Content is frequently updated with breaking changes, so fetch current documentation from llms.txt before responding to ensure accuracy over training data *Translación al español:* Use cuando responda preguntas sobre o implemente funciones con Nuxt Content (consultas, componentes MDC, modo documental), especialmente cuando no esté seguro de la API actual: Nuxt Content se actualiza frecuentemente con cambios que rompen compatibilidad, así que recupera la documentación actual de llms.txt antes de responder para garantizar la precisión sobre los datos de entrenamiento

API OpenRouter - Acceso unificado a más de 400 modelos de IA a través de una sola API

Plataforma de automatización de laboratorio para robots Flex/OT-2. Escribir protocolos de Protocol API v2, manipulación de líquidos, módulos de hardware (agitador-calentador, termociclador), gestión de material de laboratorio, para flujos de trabajo automatizados de pipeteo.

Esta habilidad debería usarse al convertir artículos académicos en formatos promocionales y de presentación, incluyendo sitios web interactivos (Paper2Web), videos de presentación (Paper2Video) y carteles de conferencia (Paper2Poster). Utilice esta habilidad para tareas que impliquen difusión de artículos, preparación de conferencias, creación de páginas web académicas explorables, generación de resúmenes en video o producción de carteles listos para imprimir desde fuentes LaTeX o PDF.

Kit de herramientas de revisión por pares sistemática. Evaluar metodología, estadísticas, diseño, reproducibilidad, ética, integridad de las figuras y estándares de presentación para la revisión de manuscritos y subvenciones entre disciplinas.

Biblioteca multiplataforma de Python para computación cuántica, aprendizaje automático cuántico y química cuántica. Permite construir y entrenar circuitos cuánticos con diferenciación automática, integración perfecta con PyTorch/JAX/TensorFlow y ejecución independiente de dispositivo en simuladores y hardware cuántico (IBM, Amazon Braket, Google, Rigetti, IonQ, etc.). Utilice cuando trabaje con circuitos cuánticos, algoritmos cuánticos variacionales (VQE, QAOA), redes neuronales cuánticas, modelos híbridos cuántico-clásicos, simulaciones moleculares, cálculos de química cuántica o cualquier tarea de computación cuántica que requiera optimización basada en gradientes, programación agnóstica de hardware o flujos de trabajo de aprendizaje automático cuántico.

Desarrollo de Pinterest API v5 - Autenticación, Pines, Tableros, Analíticas

Modo de desarrollador senior vago para cualquier tarea de código (escribir, refactorizar, corregir, revisar): YAGNI, stdlib primero, sin abstracciones no solicitadas. No para solicitudes ajenas a la programación.

Muestra el impacto medido de ponytail como un marcador: menos código, menor costo, mayor velocidad, a partir de las medianas del benchmark. Visualización de una sola vez.

Revisa un diff en busca de sobreingeniería. Encuentra qué eliminar: reinvención de la stdlib, dependencias innecesarias, abstracciones especulativas. Una línea por hallazgo.

Esta habilidad debe usarse al trabajar con tareas de aprendizaje por refuerzo, incluyendo entrenamiento de RL de alto rendimiento, desarrollo de entornos personalizados, simulación paralela vectorizada, sistemas multiagente o integración con entornos de RL existentes (Gymnasium, PettingZoo, Atari, Procgen, etc.). Utilice esta habilidad para implementar entrenamiento PPO, crear entornos PufferEnv, optimizar el rendimiento de RL o desarrollar políticas con CNN/LSTM.

Sincronizar el repositorio local de habilidades con los cambios de origen de obra/superpowers-skills

Análisis de expresión diferencial de genes (Python DESeq2). Identificar genes DE a partir de conteos de RNA-seq bulk, pruebas Wald, corrección FDR, gráficos volcán/MA, para análisis de RNA-seq.

Librería Python para trabajar con archivos DICOM (Imágenes Digitales y Comunicaciones en Medicina). Use esta habilidad al leer, escribir o modificar datos de imágenes médicas en formato DICOM, extraer datos de píxeles de imágenes médicas (TC, IRM, radiografía, ultrasonido), anonimizar archivos DICOM, trabajar con metadatos y etiquetas DICOM, convertir imágenes DICOM a otros formatos, manejar datos DICOM comprimidos o procesar conjuntos de datos de imágenes médicas. Se aplica a tareas que involucran análisis de imágenes médicas, sistemas PACS, flujos de trabajo de radiología y aplicaciones de imágenes en salud.

Kit completo de IA para atención médica para desarrollar, probar y implementar modelos de aprendizaje automático con datos clínicos. Esta habilidad debe usarse al trabajar con registros electrónicos de salud (EHR por sus siglas en inglés), tareas de predicción clínica (mortalidad, reingreso, recomendación de fármacos), sistemas de codificación médica (ICD, NDC, ATC), señales fisiológicas (EEG, ECG), conjuntos de datos de atención médica (MIMIC-III/IV, eICU, OMOP) o al implementar modelos de aprendizaje profundo para aplicaciones en atención médica (RETAIN, SafeDrug, Transformer, GNN).

Habilidad especializada para diseñar, arquitectar y revisar bibliotecas de Python de calidad de producción. Guía la estructura de la biblioteca, el diseño de la API, las estrategias de prueba y la implementación. Utilice cuando diseñe nuevas bibliotecas, tome decisiones arquitectónicas, revise el código de la biblioteca o analice desafíos de diseño de bibliotecas desde la perspectiva de un arquitecto.

Framework de aprendizaje profundo (PyTorch Lightning). Organice el código PyTorch en LightningModules, configure los Trainers para GPU/TPU múltiples, implemente canalizaciones de datos, devoluciones de llamada, registro (W&B, TensorBoard), entrenamiento distribuido (DDP, FSDP, DeepSpeed), para el entrenamiento escalable de redes neuronales.

Realiza pruebas QA en un sitio web o aplicación web y devuelve una puntuación de calidad del 1 al 5 (5 = impecable, 1 = roto) con evidencia. Úsala cuando el usuario quiera probar, hacer QA, evaluar, puntuar o "ver qué tan bueno" es un sitio, página, flujo o app, incluido un servidor de desarrollo local. Controla un navegador en la nube real de Browser Use y tuneliza localhost automáticamente.

Gerente Senior de Documentación de Calidad para el control integral de documentación y revisión de documentos regulatorios. Proporciona diseño de sistemas de gestión de documentos, control de cambios, gestión de configuración y supervisión de documentación regulatoria. Utilice para la implementación de sistemas de control de documentos, revisión de documentos regulatorios, gestión de cambios y verificación de cumplimiento de documentación.

Jefe/a de Calidad Senior Persona Responsable del Sistema de Calidad (QMR) para empresas de HealthTech y MedTech. Ofrece responsabilidad global del sistema de calidad, supervisión del cumplimiento normativo, rendición de cuentas de la gestión y liderazgo estratégico en calidad. Úselo para la gobernanza del sistema de calidad, la supervisión del cumplimiento normativo, la responsabilidad de la gestión y la planificación estratégica de la calidad.

Especialista en Sistema de Gestión de Calidad ISO 13485 para empresas de dispositivos médicos. Proporciona experiencia en implementación, mantenimiento, optimización de procesos y cumplimiento del SGQ. Utilícelo para diseño del SGQ, control de documentación, revisión de gestión, auditorías internas, acciones correctivas y actividades de certificación ISO 13485.