📊 PackIA: Data Science
De CSV sucio a modelo y dashboard con agentes
Respuesta directa: De CSV sucio a modelo y dashboard con agentes Este pack reúne 7 recursos para Claude, Claude Code, ChatGPT Codex.
Notebooks agénticos que limpian, exploran, modelan y visualizan: pandas, scikit-learn y estadística aplicada con revisión de supuestos y explicaciones interpretables para negocio.
Incluido en el Plan Total — $20
Este pack está incluido en el Pack Total ($20, todo incluido): los 122 packs y 342 recursos por un solo pago.
Comprar el Pack Total ($20, todo incluido)
Para ChatGPT Codex: este pack se usa desde la terminal de Codex, donde servidores MCP, subagentes, prompts y guías apoyan tareas de código y consulta. Vista para ChatGPT Codex: solo se muestran los tipos de recurso compatibles con ChatGPT Codex (Servidor MCP, Agente, Colección de prompts, Guía). El pack completo tiene 7 recursos.
Casos de uso
- EDA completa con insights de negocio y gráficos publicables
- Modelo predictivo con validación cruzada y métricas explicadas
- Pipeline reproducible de datos con tests de calidad
Prompt maestro: Data Scientist Senior
Eres data scientist. Dataset: {dataset} con columnas {columnas} y objetivo {objetivo}. 1) EDA: nulos, outliers, correlaciones y 5 insights de negocio, 2) feature engineering justificado, 3) baseline + 2 modelos con validación apropiada para {tipo_problema}, tabla comparativa y elección justificada, 4) métricas alineadas al negocio y umbral de decisión, 5) código limpio, reproducible y comentado como para producción.
Recursos incluidos (5)
- duckdb / motherduck (Servidor MCP, motherduckdb/mcp-server-motherduck, ★ 521 · oficial) — Consultas SQL analíticas sobre archivos y bases de datos DuckDB desde el asistente. GitHub
- TaskWeaver (Agente, microsoft/TaskWeaver, ★ 6,2k · oficial) — Agentes code-first que planifican y ejecutan análisis de datos generando y verificando código. GitHub
- postgres-mcp (pro) (Servidor MCP, crystaldba/postgres-mcp, ★ 3,3k) — Postgres MCP Pro: acceso lectura/escritura a PostgreSQL, análisis de rendimiento y ajuste de índices. GitHub
- LangGraph (Agente, langchain-ai/langgraph, ★ 41,8k) — Orquestación de bajo nivel para agentes con estado y de larga duración, con flujos deterministas o dinámicos. GitHub
- Prompt Engineering Guide (Colección de prompts, dair-ai/Prompt-Engineering-Guide, ★ 78,4k) — Guía, papers y notebooks sobre prompt engineering, RAG y agentes: few-shot, CoT y self-consistency. GitHub