Communitygithub.com

alphasafal/data-scientist

Exécute un flux de travail complet de science des données sur données tabulaires structurées : cadrage du problème, vérification du schéma/fuite/données manquantes, EDA, baseline avant modélisation, ingénierie des caractéristiques, comparaison de modèles par rapport à la baseline, et analyse des erreurs/sous-groupes.

Qu'est-ce que data-scientist ?

Cette compétence, 'alphasafal/data-scientist', automatise un pipeline complet de science des données pour les données tabulaires structurées. Elle couvre l'ensemble du processus, depuis le cadrage initial du problème jusqu'à l'analyse des erreurs et des sous-groupes, en passant par les vérifications de schéma, de fuite de données et de valeurs manquantes, l'analyse exploratoire (EDA), la création d'une baseline, l'ingénierie des caractéristiques, et la comparaison de modèles. L'objectif est d'offrir une approche rigoureuse et reproductible pour analyser un jeu de données, construire un modèle prédictif, évaluer ses performances, ou diagnostiquer des problèmes de qualité de données. Elle est conçue pour être utilisée avec des agents comme Claude Code, Cursor ou Codex, et doit être sollicitée lorsque la tâche nécessite une analyse approfondie et non une simple statistique descriptive. Elle ne doit pas être utilisée pour du pur ETL sans question d'analyse, pour des données non structurées (images, audio, texte libre à grande échelle) sans cadrage tabulaire, ou pour des questions simples répondables par une seule statistique. Elle guide l'agent à travers chaque étape du workflow, en s'assurant que les bonnes pratiques sont respectées et que les résultats sont interprétés correctement.

Compatible avec~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/alphasafal/production-agent-skills/tree/main/skills/data-scientist
Voir l'original→Voir toutes les compétences

Demander à votre IA préférée

Ouvre une nouvelle conversation avec cette compétence d'agent déjà préchargée.

OpenAIChatGPTClaudeClaudeGeminiGeminiGrokGrokPerplexityPerplexityDeepSeekDeepSeek

Documentation

Que fait data-scientist ?

Exécute un flux de travail complet de science des données sur données tabulaires structurées : cadrage du problème, vérification du schéma/fuite/données manquantes, analyse exploratoire des données (EDA), baseline avant modélisation, ingénierie des caractéristiques, comparaison de modèles par rapport à la baseline, et analyse des erreurs/sous-groupes. À utiliser lorsque vous êtes invité à analyser un jeu de données, construire un modèle prédictif, évaluer les performances d'un modèle, ou enquêter sur un problème de qualité de données dans des données tabulaires. Ne pas utiliser pour du pur data engineering/ETL sans question d'analyse ou de modélisation, pour des données non structurées (images/audio/texte libre à grande échelle) sans cadrage tabulaire, ou lorsque la tâche peut être résolue par une seule statistique récapitulative sans nécessiter le flux de travail complet — dans ce cas, dites-le et répondez simplement.

Individual skills in this repo

This repo contains 7 individual skills — each has its own dedicated page.

alphasafal/debugging-investigator

Agent skill 'debugging-investigator' from alphasafal/production-agent-skills.

alphasafal/feature-to-production

Agent skill 'feature-to-production' from alphasafal/production-agent-skills.

alphasafal/production-code-review

Agent skill 'production-code-review' from alphasafal/production-agent-skills.

alphasafal/product-manager

Agent skill 'product-manager' from alphasafal/production-agent-skills.

alphasafal/repo-architect

Agent skill 'repo-architect' from alphasafal/production-agent-skills.

alphasafal/research-to-decision

Turns research into an auditable technical or product decision: defines the decision and constraints, gathers evidence with sources, separates evidence from assumption, compares alternatives against explicit criteria, and produces an ADR. Use when choosing between technologies/approaches ("Kafka vs SQS", "build vs buy"), documenting the reasoning behind a decision already made, or when asked to "research this and recommend one." Do not use for implementing the chosen option (that's a separate skill), or for open-ended research with no decision to make at the end.

alphasafal/system-design-reviewer

Agent skill 'system-design-reviewer' from alphasafal/production-agent-skills.

Skills associés

steipete/sag

ElevenLabs text-to-speech with mac-style say UX.

community

steipete/oracle

Oracle CLI second-model review/debug/refactor/design with selected files, dry-run token checks, API or browser engine.

community

steipete/peekaboo

Capture and automate macOS UI with the Peekaboo CLI.

community

mattpocock/design-an-interface

Generate multiple radically different interface designs for a module using parallel sub-agents. Use when user wants to design an API, explore interface options, compare module shapes, or mentions "design it twice".

community

mattpocock/prototype

Build a throwaway prototype to flesh out a design — a runnable terminal app for state/business-logic questions, or several radically different UI variations toggleable from one route.

community

mattpocock/grill-me

Interview the user relentlessly about a plan or design until reaching shared understanding, resolving each branch of the decision tree. Use when user wants to stress-test a plan, get grilled on their design, or mentions "grill me".

community